首次提出使用Wi-Fi信道状态信息进行睡眠质量评估，在日常居家环境下进行实验，睡眠分期的准确率优于智能手环等便携式睡眠监测设备。从Wi-Fi信道状态信息到睡眠分期，本系统解决了两大问题：一是如何从信道状态信息中提取体动和呼吸模式，二是如何构建普适性与个性化相结合的睡眠阶段识别模型，刻画不同睡眠阶段与体动、呼吸模式之间的关联关系。针对问题一，信道状态信息本身有许多噪音，对呼吸模式的提取有很大的影响，本系统设计了基于主成分分析的去噪方法，能够较为准确地获取呼吸信号。针对问题二，体动、呼吸模式的个体差异性很大，本系统通过相关机器学习算法，睡眠阶段识别模型的准确率可达76%。性能指标： 体动、呼吸是人类基本睡眠生理活动，也是睡眠质量的主要评估与测试指标。基于Wi-Fi信道状态信息的睡眠监测系统，研究了细粒度生理参数获取方法及其健康应用，实现体动识别率不低于95%，呼吸率误差在5%以内，睡眠分期准确率可达76%。特 点： 本系统充分利用日常家居Wi-Fi部署，无需佩戴额外设备，实现非干预式夜间睡眠监测。应用领域： 生命健康。适用范围： 适用于日常家居健康监护，养老院等。