以被動式 Wi-Fi 感測與深度 AI 超越穿戴式裝置
最有效的健康監測器，並不是擁有最先進感測器或最長電池續航力的那一款； 而是完全無需任何互動的那一款。
Veriprajna 的被動式 Wi-Fi 感測解決方案可偵測跌倒、監測呼吸並分析睡眠模式，達到臨床級準確度——全程不需任何一件穿戴式裝置。透過分析既有 Wi-Fi 基礎設施的通道狀態資訊（Channel State Information，CSI），我們已解決困擾高齡照護的依從性危機。
Veriprajna 與養護機構、輔助生活設施、居家住院服務提供者及保險公司合作，部署尊重尊嚴、同時提供臨床級警戒的隱形安全網。
將您既有的 Wi-Fi 網路轉變為全面的安全系統。零硬體部署、無需管理電池、不會遺失裝置。一次軟體更新即可監測 100+ 位住民。
透過持續呼吸監測、用於預防跌倒的步態分析以及睡眠品質追蹤，實現真正的「居家住院」（Hospital at Home）——全部符合 HIPAA 規範，並採用邊緣 AI 運算。
取得病患活動、行動能力衰退及跌倒風險的客觀縱貫資料。數據驅動的干預措施能降低理賠，同時改善「高齡老人」（85+ 歲）族群的照護結果。
主流的遠距病患監測模式，恰恰假定了最無法配合的族群會主動合作。
浴室是對高齡者最危險的房間，卻恰好是摘下穿戴式裝置的地方。儘管具備 IP67/IP68 防護等級，使用者仍習慣在洗澡前取下裝置——在風險最高的時刻形成監測空窗。
對關節炎或輕度認知障礙患者而言，每日充電是一種負擔。研究顯示，24% 的 PERS 使用者從未配戴其警示吊墜，只有 14% 做到真正的 24 小時佩戴。
醫療警示吊墜為使用者貼上「年老而脆弱」的標籤。許多長者把裝置藏在衣物下，或拒絕在公共場合配戴，破壞了整套監測系統。對誤報的恐懼也使他們猶豫是否按下 SOS 按鈕。
「要求使用者充當自身監護的主動參與者，這種依賴造成了一道 依從性落差——介於科技所承諾的理論安全，與日常生活中實際未使用的殘酷現實之間——的危險深淵。」
—— Veriprajna 白皮書：看不見的守護者（The Invisible Guardian），2024 年
為何被動式感測超越傳統方法
| 比較特性 | 穿戴式裝置 （主動式監測） |
攝影機 （視覺監測） |
被動式 Wi-Fi 感測 （Veriprajna） |
|---|---|---|---|
| 使用者依從性 | ❌ 高摩擦：需要配戴、充電、手動警報 | ✓ 零負擔：被動 | ✓ 零負擔：被動 |
| 隱私影響 | ✓ 低：僅蒐集數據資料（加速度／心率） | ❌ 嚴重：對私密空間進行影像錄製 | ✓ 低：抽象 CSI 訊號；無視覺識別資訊 |
| 浴室安全 | ❌ 關鍵失效：洗澡時常被取下 | ❌ 不可接受：隱私顧慮使其無法使用 | ✓ 極佳：可在非視距（NLOS）環境運作；可穿透蒸氣／浴簾 |
| 維護 | ❌ 高：更換電池、管理遺失裝置 | 中等：清潔鏡頭、供電 | ✓ 低：軟體更新；善用既有 Wi-Fi |
| 監測死角 | 無（若確實配戴） | ❌ 高：受家具、牆壁、黑暗阻擋 | ✓ 極低：訊號可穿透牆壁與家具 |
| 資料豐富度 | 加速度、心率 | 步態、姿態、情境 | ✓ 呼吸、步態、睡眠分期、跌倒 |
| 失智症適用性 | ❌ 差：使用者忘記配戴或主動取下裝置 | 中等 | ✓ 高：無法被取下或遺忘 |
真正的環境智慧需要存取通道狀態資訊（Channel State Information，CSI）——這是 RSSI 無法提供的無線環境高解析度「影像」。
早期的 Wi-Fi 感測依賴接收訊號強度指示（Received Signal Strength Indication，RSSI）——一種粗糙的指標，能偵測存在，卻缺乏偵測呼吸等細微動作所需的靈敏度。
現代 Wi-Fi（802.11n/ac/ax）採用 OFDM，將通道劃分為數十個子載波。CSI 能捕捉每個子載波與物體的交互作用，提供 RSSI 看不到的細緻資訊。
無線電波在發射端與接收端之間以同心橢球（Fresnel 區）傳播。人體在這些區域內的移動會產生可在 CSI 中偵測到的相位偏移。
呼吸偵測： 4-12mm 的胸部位移就足以產生節律性的 CSI 振盪——媲美醫療級呼吸帶。
不同的人體活動會產生獨特的都卜勒頻移。跌倒的特徵是快速加速（重力）後突然靜止不動（所謂的「長時間倒臥」，Long Lie）。
2.4/5 GHz 的 Wi-Fi 訊號可穿透石膏板、木材與玻璃。即使存取點在走廊上、使用者在關著的門後，訊號仍會從人體反射回到接收端。
這種基於物理原理的無所不在，消除了困擾攝影機系統的「監測死角」。單一 Wi-Fi 連結就能監測整個房間或相鄰房間——這是需要多台攝影機才能達成的覆蓋範圍。
觀察通道狀態資訊如何捕捉傳統 RSSI 無法偵測的人體動作。可在呼吸偵測與跌倒偵測模式之間切換。
CSI 資料遵循的是物理定律，而非文法。Veriprajna 為時間訊號處理量身打造深度神經網路——而非通用的語言模型。
相位解纏繞、Hampel 濾波、PCA 降維。去除硬體雜訊（CFO/SFO）並提取主成分。
將 CSI 矩陣視為偽影像。2D 卷積學習子載波之間的空間相關性——把人體動作與旋轉的風扇區分開來。
跌倒是一連串序列：站立 → 失去平衡 → 下墜 → 撞擊 → 靜臥。LSTM 保有記憶以理解上下文，而非孤立的畫面。
分支 A（振幅）：宏觀動作。分支 B（相位）：微觀動作。注意力機制動態地優先處理相關串流。
為何採用領域對抗神經網路（Domain Adversarial Neural Networks，DANN）？
在「A 實驗室」訓練的模型，常因房間格局不同而在「B 公寓」失效。DANN 迫使網路學習環境不變特徵——也就是跌倒特徵的「理想原型」，無論在小套房還是養護機構的走廊上看起來都相同。 一次訓練，隨處部署。
從呼吸監測到跌倒偵測再到睡眠分析——臨床級準確度，完全不需穿戴式裝置。
呼吸速率（Respiratory Rate，RR）是「被遺忘的生命徵象」——卻是 COPD、CHF 與肺炎惡化的領先指標。4-12mm 的胸部位移會產生節律性的 CSI 相位振盪。
無需繁瑣的 PSG 睡眠實驗室檢查即可篩檢睡眠呼吸中止
跌倒是高齡者致命傷害的首要原因。「長時間倒臥」（Long Lie，在地上躺了好幾個小時）會導致橫紋肌溶解症與壓瘡。Veriprajna 可偵測整個事件序列。
「全身活動量記錄」（Whole Body Actigraphy）分析動作強度與週期性，以劃分睡眠分期。追蹤離床事件，偵測失智症患者的遊走行為。
入睡潛伏期、入睡後醒來時間（WASO）、總睡眠時長——全程無需手腕活動記錄器
對高齡者而言，視覺隱私至關重要。Wi-Fi 感測化解了「攝影機 vs. 感測器」之辯——它在視覺上是盲的。
CSI 矩陣由代表訊號傳播的複數組成。人類 絕無可能 從 CSI 封包中「看出」某人的臉孔或身形。即使遭到攔截，這些資料也只是無法解讀的訊號畸變——而非影像或影片。
依 GDPR 第 9 條，CSI 屬於生物辨識資料。Veriprajna 透過嚴格的邊緣 AI 運算確保合規：
「這使得 Wi-Fi 感測格外適合 浴室監測——那是屋內最危險、卻嚴禁安裝攝影機的房間。」
IEEE 802.11bf（WLAN 感測）將於 2024/2025 年標準化 CSI 擷取，把每台路由器變成雷達。
Wi-Fi 7 晶片組內建 Hexagon NPU ，可在裝置上執行深度學習推論。Veriprajna 將 PyTorch 模型轉換為量化二進位檔，用於即時邊緣運算。
BroadStream 是一款專為感測資料分流而設計的無線遙測引擎。為 AI 訓練／推論提供高頻、低延遲的 CSI 串流。
低成本（$5）微控制器結合 ESP-CSI Toolkit ，可在大型設施中建構密集的感測網狀網路。ESP32 作為專用接收器，將資料送入中央閘道。
提供基礎的 CSI 擷取與基本動作分類 API。Veriprajna 在其上整合出醫療級的判讀。
用於多路徑分析的時間反轉（Time Reversal Machine）技術。TruPresence 與跌倒偵測引擎完全在邊緣端執行——契合隱私優先架構。
「零硬體改造」將既有 Wi-Fi 網路轉變為全面的安全系統。
採用 OFDM 的現代 Wi-Fi 將通道劃分為數十個子載波，每個子載波都以複數振幅與相位資料的形式記錄在通道狀態資訊（CSI）中。人體在發射端與接收端之間的 Fresnel 區內移動，會產生可在 CSI 中偵測到的相位偏移。跌倒會產生特徵性的高能量都卜勒驟升，隨後突然停止，透過速度曲線分析可與坐下區分。在 5 GHz、波長約 6cm 時，3cm 的移動即產生一個完整的相位變化。
可以。呼吸時 4-12mm 的胸部位移會產生節律性的 CSI 相位振盪，媲美醫療級呼吸帶，誤差低於每分鐘 3.2 次呼吸，且與參考呼吸帶的相關係數大於 0.92。在睡眠分析方面，系統透過分析動作強度與週期性執行全身活動量記錄，以劃分清醒、淺睡與深睡／REM 分期，並追蹤入睡潛伏期、入睡後醒來時間（WASO）與總睡眠時長。
在某個房間訓練的模型，常因格局與建材不同而在另一個房間失效。領域對抗神經網路（Domain Adversarial Neural Networks，DANN）加入一個嘗試辨識資料來自哪個環境的對抗器，迫使網路學習環境不變特徵。一旦對抗器成功辨識，主網路就會受到懲罰，被迫學習無論在小套房還是養護機構走廊看起來都相同的通用跌倒特徵。這實現了一次訓練、隨處部署的能力。
Veriprajna 的被動式 Wi-Fi 感測不只是改良穿戴式裝置——它從根本上消除了依從性負擔。
預約諮詢，為您的設施規劃部署模型、探索我們的深度 AI 架構，並了解邁向零硬體環境智慧的路徑。
完整工程報告：CSI 物理、Fresnel 區數學、CNN/LSTM/Transformer 架構、DANN 領域調適、GDPR/HIPAA 合規、硬體生態系統分析、53 篇學術引用文獻。