知识卡片：天花板安装式FMCW、IR-UWB与Wi-Fi雷达在卧室人体活动监测与睡眠中断检测中的对比研究

英文标题：A comparison between ceiling-mounted FMCW, IR-UWB and Wi-Fi radar for in-bedroom human activity monitoring and sleep interruption detection

英文关键词：FMCW radar; IR-UWB; Wi-Fi sensing; human activity recognition; sleep monitoring

原始来源：https://arxiv.org/abs/2608.20322v1

一句话结论

该研究在完全相同的部署条件下，对天花板安装的FMCW雷达、IR-UWB雷达和Wi-Fi感知进行了受控对比，发现IR-UWB在跨受试者人体活动识别上最优（89.0% macro F1），FMCW对未见房间布局泛化性最好（83.8% macro F1）；在睡眠监测任务中，所有技术均超过92% macro F1，且识别性能与环境鲁棒性之间存在权衡。

事件概述或研究问题

尽管基于射频（RF）的无接触健康监测日益重要，但FMCW雷达、IR-UWB雷达和Wi-Fi感知在相同部署条件下的性能比较仍然很少，已有研究通常使用不同的硬件、数据集和评估方法。此外，天花板安装式雷达在健康监测环境中的部署和成本优势尚缺乏充分探索。因此该论文在20名参与者、6种房间布局下，利用同步记录数据实现了这三种技术的受控对比。

方法/产品要点

使用天花板安装的FMCW、IR-UWB和Wi-Fi三种感知技术进行同步数据采集。
所有技术统一采用相同的卷积神经网络（CNN）进行评估。
任务一为细粒度的10类人体活动识别（HAR）。
任务二为粗粒度的4类睡眠监测任务。
评估覆盖跨受试者（cross-subject）和未见房间布局（unseen room layout）等场景。

主要结果或产业意义

跨受试者活动识别：IR-UWB取得最高宏F1为89.0%。
未见房间布局泛化：FMCW宏F1最高，为83.8%。
睡眠监测在未见环境中所有技术宏F1均超过92%。
结果表明识别性能与环境鲁棒性之间存在基本权衡，且可通过距离分辨率、天线多样性、多普勒分辨率和空间信息保持的差异进行解释。
为面向健康监测的RF感知系统设计提供了实用指南。

为什么重要

该研究填补了FMCW、IR-UWB和Wi-Fi感知在相同条件下系统对比的空白，尤其是针对天花板安装这种实际部署形态。它有助于医疗健康监测系统的技术选型：若追求跨受试者识别精度可选择IR-UWB，若需要跨环境泛化可考虑FMCW。与已有相关卡片中的具体任务（如4D雷达融合、脑微出血检测）不同，本文聚焦于基础RF感知技术对比，为下游健康监测应用提供基座性结论。

局限与不确定性

仅涉及20名参与者和6种房间布局，样本规模和场景多样性有限，外推性需进一步确认。
所有系统仅采用单一CNN架构，不同技术可能在更适合自身信号特征的模型下表现更好。
论文正文未能抓取，上述结论均来自arXiv元数据中的摘要，具体实验细节、统计显著性和数据分布等信息待核实。

可用于图书/PPT/简报的角度

可用于介绍非接触式健康监测中不同射频感知技术的优缺点对比。
可用于说明“识别精度”与“环境泛化性”之间的设计权衡。
可用于展示天花板安装式雷达在卧室监测中的潜力。
可作为智慧养老、睡眠健康监测技术选型的参考案例。

原始材料

arXiv页面：https://arxiv.org/abs/2608.20322v1
英文标题：A comparison between ceiling-mounted FMCW, IR-UWB and Wi-Fi radar for in-bedroom human activity monitoring and sleep interruption detection
注：未能抓取论文正文，以上内容基于元数据中的摘要生成。