一种基于CSI的跌倒检测方法

发布时间：2021-06-13 21:31

　　针对传统人体行为识别方法系统搭建成本高、部署复杂且存在侵犯隐私等问题,提出一种使用商用Wi-Fi设备获取信道状态信息CSI进行人体行为识别与跌倒检测的方法.通过提取信道状态信息CSI中的幅度和相位特征作为基础信号,并使用功率谱熵作为新特征建立指纹库.采用基于人工鱼群算法AFSA修正的支持向量机SVM对动作进行分类识别,通过对SVM中的参数惩罚因子和核函数参数进行优化选择达到优化分类的效果.根据真实环境数据验证表明,平均识别率达到94.64%. 

【文章来源】：云南大学学报(自然科学版). 2020,42(02)北大核心CSCD

【文章页数】：8 页

【部分图文】：

检测方法总体流程Fig.1Systemflowchartoftestingmethod常

(3)foNsCi,jij其中是在802.11n协议中定义的OFDM子载波的中心频率，为子载波数，表示第根天线上的第个子载波的幅值.1.3.2CSI幅值指数平滑如图2所示，黑色线条显示了由电磁噪声干扰的原始CSI幅值信息，可以观察到信号的真实趋势被淹没在噪声中.因此，我们设计了一个指数平滑滤波器来滤除噪声，红色线条显示滤波器有效地消除了噪声，并且获得了由人体运动引起的真实变化趋势.图1检测方法总体流程Fig.1Systemflowchartoftestingmethod图2指数滤波前后信号幅值对比Fig.2Comparisonofsignalamplitudebeforeandafterexponentialfiltering第42卷冉亚鑫等：一种基于CSI的跌倒检测方法221

分出跌倒动作，需要对于动作指纹库中的CSI进行提取特征值的处理.我们从CSI流中提取以下5个特征用于行为识别，由于在文献[5]中详细分析了前4个活动分类特征,本文重点分析新提出的第5个特征—功率谱熵.（1）CSI值的归一化标准差（normalizedstandarddeviation，NSTD）：描述活动的动态范围.（2）中位数绝对偏差（medianabsolutedeviation，MAD）：描述CSI数据样本差异性.（3）四分位距（interquartilerange，IR）：描述CSI图3跌倒动作原始幅值与计算移动方差后的幅值对比Fig.3Comparisonoftheoriginalamplitudeandtheamplitudeaftercalculatingthemovingvarianceofthefallaction222云南大学学报（自然科学版）http://www.yndxxb.ynu.edu.cn第42卷

【参考文献】：
期刊论文
[1]基于AFSA-SVM的滚动轴承故障诊断研究[J]. 姬盛飞,王丽君,吉南阳.  组合机床与自动化加工技术. 2019(01)
[2]一种基于信道状态信息的室内人员行为检测方法[J]. 党小超,黄亚宁,郝占军,司雄.  计算机工程. 2018(08)
[3]基于WiFi信号的人体动作识别系统[J]. 肖玲,潘浩.  北京邮电大学学报. 2018(03)

硕士论文
[1]无线感知网络中基于CSI的室内入侵检测与行为识别研究[D]. 周健.南京邮电大学 2018
[2]基于MEMS惯性传感器的可穿戴式跌倒检测系统研究[D]. 陈吉鑫.西南交通大学 2018



本文编号：3228378