基于RSSI的人体行为识别的研究

发布时间：2017-04-25 11:10

  本文关键词：基于RSSI的人体行为识别的研究，由笔耕文化传播整理发布。

【摘要】：当今,无线信号被广泛的用于人体行为检测中。但是,当前的基于无线信号的人体行为检测多数使用由特定设备提供的细粒度的无线信号信息进行人体行为检测,例如CSI (Channel State Information),相位信息,多普勒效应,AOA(Angel Of Arrival)等等。当前最为流行的CSI通过特定的网卡设备(例如Intel5300网卡)能够采集到信号传输链路的物理属性,通过MIMO传输过程中的多径效应能够分析出人体各个不同的行为对信道的影响,通过机器学习和信号处理的方法完成人体的行为识别和检测。但是,当前能够采集到CSI的物理设备很有限,因此,这也极大的限制了CSI在人体行为识别中的适用范围。本文针对这些限制,使用绝大多数网络设备都支持的RSSI(Received Signal Strenth Indicator)信息对人体行为进行检测和识别。当前已有的基于RSS(Received Signal Strenth)的方法仅仅支持粗粒度(动作种类很少,准确度很低)的人体行为识别。本文将会介绍一种通过获得的RSS信息提取出相对于不同动作的频域特征信息完成人体行为识别,此种方法的好处在于：相对于CSI来说,只需要市场上常用的网络设备即可完成所需信息的采集,例如任何使用绝大多数商用网卡的电脑设备,智能终端,ZigBee等,适用范围很广；相对于之前基于RSS的识别方法来说,本方法能够完成更多动作的识别和更高的识别准确率；相对于传统的人体行为识别方法来说,本方法不需要使用者佩戴任何的硬件设备,能够完成对非主动配合的目标进行检测。本文对采集到的RSSI信息进行时频域分析,使用预测模型对分析的结果进行建模,通过预测模型能够对实时以及非实时的经过采集分析之后的数据进行预测。时频域分析指的是：通过网卡设备采集到的RSSI信息是时域的,即时间连续的数据,通过时频域分析,能够通过时域的信息分析出频域上的特征,频域特征能够反应出人体不同行为的速度。通过这种方法,我们能够对设定的-组人体常用的行为进行预测并且预测准确率达到94%。并且在该识别算法的基础上,本文提出了一个实际应用系统的原型以及2个基于系统原型开发的实际应用。
【关键词】：无线信号 RSSI 时频域分析 行为识别 系统原型
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-12
• 第一章 绪言12-20
• 1.1 研究背景与主要问题12-13
• 1.2 研究现状13-14
• 1.3 技术难点与解决方案14-16
• 1.4 本文工作16-18
• 1.5 本文组织18-20
• 第二章 相关工作20-26
• 2.1 人体行为识别20-23
• 2.1.1 基于RSS的人体行为识别20-21
• 2.1.2 基于CSI的人体行为识别21-22
• 2.1.3 基于特殊设备的人体行为识别22
• 2.1.4 基于传感器的人体行为识别22-23
• 2.2 Markov模型简介23-24
• 2.3 SVM模型简介24-25
• 2.4 本章小结25-26
• 第三章 基于RSS的人体行为识别的探索26-34
• 3.1 引言26
• 3.2 背景26-27
• 3.3 基于RSS的细粒度信息的获取27-29
• 3.4 深入理解RSS信号中的抖动29-30
• 3.5 频域特征提取30-32
• 3.6 本章小结32-34
• 第四章 人体行为识别的建模和预测34-42
• 4.1 引言34
• 4.2 背景34-35
• 4.3 人体行为的特征35-36
• 4.4 Markov链与SVM模型的构建与应用36-40
• 4.4.1 SVM模型的构建与应用36-37
• 4.4.2 Markov链的构建与应用37-40
• 4.4.3 SVM以及Markov链的区别40
• 4.5 识别流程40-41
• 4.6 本章小结41-42
• 第五章 系统设计与实现42-54
• 5.1 系统简介42-43
• 5.2 系统设计43-44
• 5.3 系统实现44-45
• 5.4 系统评估45-53
• 5.4.1 实验环境以及样本信息45-46
• 5.4.2 SVM识别准确率以及用户体验46-47
• 5.4.3 识别准确率47-49
• 5.4.4 识别距离49-50
• 5.4.5 鲁棒性50-51
• 5.4.6 系统工作效率51-52
• 5.4.7 扩展性52-53
• 5.5 本章小结53-54
• 第六章 基于人体行为识别系统的应用54-64
• 6.1 引言54
• 6.2 行为识别的创新性54-55
• 6.3 RSS行为识别系统架构55-56
• 6.4 基于RSS的防盗系统56-59
• 6.5 基于RSS的人体医疗看护系统59-62
• 6.6 本章小结62-64
• 第七章 总结与展望64-68
• 7.1 工作总结64
• 7.2 研究展望64-68
• 7.2.1 RSS信号的分辨率64-65
• 7.2.2 运动的方向65-66
• 7.2.3 多人的识别66-68
• 致谢68-70
• 简历与科研成果70-72
• 参考文献72-77

【参考文献】

中国期刊全文数据库 前1条

1 Xing Su;Hanghang Tong;Ping Ji;;Activity Recognition with Smartphone Sensors[J];Tsinghua Science and Technology;2014年03期

  本文关键词：基于RSSI的人体行为识别的研究，由笔耕文化传播整理发布。

，

本文编号：326205