9月3日发布的最新研究显示，Wi-Fi技术正在突破传统认知边界——它不仅能够提供网络连接，还能精准感知人类的心跳频率。美国加州大学圣克鲁兹分校的科研团队成功开发出一套创新系统，将日常无线信号转化为医疗监测工具。

这项突破性研究表明，无需依赖智能手表、胸带式监测设备或专业医疗仪器，仅通过普通Wi-Fi发射器与接收器的组合，就能实现临床级别的心率检测精度。

被命名为Pulse-Fi的监测技术，采用了家庭与办公环境中常见的平价硬件设备。通过机器学习算法对Wi-Fi信号进行深度解析，系统能敏锐捕捉心跳引起的微小信号波动，有效排除人体移动与环境干扰造成的背景噪声。

研究团队通过对118名志愿者的测试验证，该系统测得的数据与传统医疗监测设备的读数高度吻合。仅需5秒钟的信号分析时长，Pulse-Fi的心率监测误差就能控制在每分钟0.5次以内。值得注意的是，无论是坐姿、站立、平躺或行走状态，延长监测时长都能获得更精确的测量结果。

Wi-Fi拓展健康监测新维度

作为基础生命体征之一，心率数据直接反映着人体的压力状态、水分平衡与体能水平。传统监测方式往往需要佩戴专用设备，而Pulse-Fi的诞生意味着未来普通路由器可能兼具无接触健康监测功能。

“我们的实验证明，这套系统在常规生活场景中就能稳定运行，既不需要特殊定位要求，也无须配置昂贵仪器。”项目共同负责人、博士生纳扬・巴蒂亚介绍道。他与计算机科学教授卡蒂亚・奥布拉茨卡共同领导了这项研究。

实验采用的硬件核心是单价仅5至10美元的ESP32芯片和约30美元的树莓派开发板。即便使用如此基础配置，系统仍保持出色精度。研究人员指出，若升级为商用级路由器硬件，性能表现有望再上新台阶。

该技术的核心原理在于解析无线电波在空间传播时的特性变化。当Wi-Fi信号接触人体时，会形成特定的吸收与散射模式，心跳引起的体表微振动会使信号产生规律性波动。Pulse-Fi算法通过深度学习血氧仪采集的真实数据，建立起信号变化与心率特征的精准映射。

为构建训练数据集，研究团队在加州大学圣克鲁兹分校图书馆展开实地实验，通过比对Wi-Fi信号波动与实测心率数据，训练神经网络建立关联模型。团队还采用巴西研究者基于树莓派采集的现有数据集进行交叉验证，进一步确认了方法的可靠性。

应用场景持续延伸

目前研究人员正在扩展系统功能，计划集成呼吸频率监测模块——这项功能对睡眠呼吸暂停等病症的筛查具有重要意义。尚未正式发表的初步研究数据显示，该方向已取得积极进展。

实验数据表明，Pulse-Fi在3米距离范围内仍能保持准确监测。其搭载的机器学习模型赋予系统独特的优势：随着距离增加，监测性能不会出现明显衰减。

“我们发现传输距离对测量准确性影响甚微，这恰好解决了以往类似技术面临的重大挑战。”通过学校科学实习项目参与研究的高中生普拉纳伊・科切塔补充道。

这项创新研究成果已正式收录于2025年IEEE分布式计算智能系统与物联网国际会议论文集。