宾汉顿大学（Binghamton University）研究团队近日开发出一款名为 CoughNet 的新型传感器系统。该系统旨在帮助医疗专业人员监测特定区域内的咳嗽频率，从而评估疾病传播风险，同时通过技术手段确保不识别具体咳嗽者身份，以保护个人隐私。
该原型系统由宾汉顿大学 Thomas J. Watson 工程与应用科学学院助理教授 Dali Ismail 主导，博士生 Amir Esmaeili 和 Maryam Fazli 共同参与研发。相关成果已于 2026 年 8 月在电气和电子工程师协会/计算机械协会（IEEE/ACM）举办的“连接健康：应用、系统和工程技术”（CHASE 2026）会议上展示。
基于多麦克风阵列的声音定位与去重机制
CoughNet 的核心逻辑是一组部署在房间内的“听音站”。其工作原理并非单纯记录声音，而是通过算法判断检测到的声响是否为咳嗽，并进一步区分该咳嗽是来自已记录的个体还是新出现的个体。
在硬件配置上，系统在一个房间内安装了三台小型且低成本的单板电脑。当室内发生咳嗽时，三台设备均能捕捉到声音信号，但距离声源最近的麦克风接收到的音量最大。系统截取咳嗽的短音频片段，并通过人工智能模型进行分析，重点考察每次录音中咳嗽的强度以及声波到达各麦克风的相对时间差。
研究团队利用靠近声源的麦克风作为参考点，通过相关性测试来判定不同时间点捕捉到的咳嗽是否源自同一人。如果多次咳嗽在声学特征及到达麦克风的时间模式上保持一致，系统便将其归类为来自同一个人。这一机制使得系统能够统计房间内“独特咳嗽者”的数量，而非单纯的咳嗽次数。
轻量化设计与隐私保护策略
针对公共卫生领域机器学习模型通常算力需求高、处理负担重的问题，Ismail 指出，CoughNet 被设计为一个轻量级应用程序，旨在运行于实用设备上。这种设计理念源于新冠疫情后对呼吸道疾病传播监测需求的增加，以及对接近患病者风险的重新审视。
在成本控制方面，CoughNet 采用的 Raspberry Pi 单板电脑价格低廉，多数型号售价低于 50 美元。在能耗管理上，系统并未使用传统的 Wi-Fi 进行数据传输，而是采用了低功耗广域网技术 LoRa。LoRa 技术的覆盖范围比单个 Wi-Fi 接入点更大，且能耗极低，理论上仅靠 AA 电池即可支持典型传感器运行约 10 年。
为了平衡效率与带宽限制，CoughNet 采用了边缘计算策略：设备本地处理清晰可辨的咳嗽录音并将其分组；若噪音过大或信号不清晰，则仅将小片段音频上传至附近更强大的计算机进行处理。简而言之，系统仅在必要时卸载计算任务。
隐私保护是该系统的另一大亮点。不同于依赖热成像或视觉传感器的其他公共卫生监测系统，CoughNet 仅对类似咳嗽的短促声音做出响应，不涉及语音识别或语音转文字功能。系统不会确定“某人 X”在咳嗽，只确认“发生了咳嗽”。此外，原始音频数据在完成分析后立即被删除，仅保留处理后的元数据。
未来展望：从计数到病因分析
目前，CoughNet 仍被视为概念验证阶段的产品，但研究团队已规划了后续的开发方向。首要目标是从单纯的咳嗽检测进阶到病理分析，即通过检查咳嗽的特定声学特征，判断其是否与流感、COVID-19 或支气管炎等特定疾病相关，从而给出某种概率性的诊断提示。
Ismail 表示：“我们正在研究某些疾病是否具有独特的咳嗽特征或声音，我们可以利用这些特征来给出某种概率：这个人正在咳嗽，他可能患有 X 病或 Y 病。”
该技术最直接的应用场景包括医院候诊室和病房。然而，其潜在市场并不局限于医疗机构。研究人员希望将该技术集成到降噪耳机或可穿戴设备中。例如，当用户进入呼吸系统疾病高风险区域时，设备可提供实时提醒。
尽管应用场景广阔，但团队强调这是其在健康领域的首次尝试，对社会具有积极影响。“我们可以想到很多应用，但这是我们在健康领域的第一项工作，我们非常兴奋，”Ismail 说道，“这类工作对社会有影响，这正是其有趣之处。”
论文信息：Amer Esmaeili et al, CoughNet: A Lightweight, Low-Cost, Energy-Efficient Multi-Speaker Cough Detection and Identification System, 2026 IEEE/ACM International Conference on Connected Health: Applications, Systems and Engineering Technologies (CHASE). DOI: 10.1109/CHASE69719.2026.00049
