基于WLAN接收信号强度特征的室内活动识别
【图文】：
式的活动识别依赖于特殊设备，难以广泛部署。针对上述两种方法的缺点，本文提出一种基于普通WiFi信号热点和智能手机的活动识别算法，主要原理是:无线信号传播会受到用户行为的影响，用户不同行为会导致信号分布有所区别，通过对信号强度特征的分析，可以反推出用户活动。主要方法是利用机器学习算法对实时接收到的WiFi信号特征进行分类，通过特征匹配实现活动识别。实验表明本算法能够有效识别站立、躺下和行走三种活动，并能够识别用户行走方向，在智能家居辅助中具有广泛用途和重要意义。1算法框架本文算法流程如图1所示，主要分为三个阶段:数据输入、训练和测试。图1算法流程Fig．1Workflowofthealgorithm为了实现本算法，需要在房间内设置WiFi接入点和信号接收设备，这里采用普通Android智能手机测量WiFi信号并记录。测试人员在信号发射设备与测量设备之间的空间活动，由于人体对无线信号的吸收、遮挡和反射，测量设备接收到的信号在不同条件下信号特征不同。手机采集到不同活动下的无线信号后，为这些信号添加标签，分别表示该信号是在什么条件下测量的。将这些数据随机分为训练集和测试集:在训练阶段，采用不同的机器学习算法对训练集数据进行分类，得到不同的分类器;在测试阶段，，使用测试集数据评价不同分类器分类效果，选择分类精度最好的分类器进行动作识别。下面详细介绍这三个阶段。2基于无线信号特征的活动识别2．1数据输入数据输入阶段分为三个步骤，分别是测量、预处理和特征提取，下面分别介绍这三个步骤。2．1．1测量利用智能手机的WiFi芯片获取无线热点的信号强度。未Ｒoot智能手机的WiFi芯片刷新率约为2Hz，虽然可以对手机Ｒoot后将刷新率提升到10Hz，为了提高算法可用范围，本文使用2Hz的数据作为输
类效果，选择分类精度最好的分类器进行动作识别。下面详细介绍这三个阶段。2基于无线信号特征的活动识别2．1数据输入数据输入阶段分为三个步骤，分别是测量、预处理和特征提取，下面分别介绍这三个步骤。2．1．1测量利用智能手机的WiFi芯片获取无线热点的信号强度。未Ｒoot智能手机的WiFi芯片刷新率约为2Hz，虽然可以对手机Ｒoot后将刷新率提升到10Hz，为了提高算法可用范围，本文使用2Hz的数据作为输入，采集到的数据为S:S={rssi|i=1，2，…，T}(1)其中:rssi为第i时刻接收到的信号强度，T为测量时长。图2给出了不同活动条件下，接收到的信号强度。从图2可以看出，在不同的活动条件下，测量到的无线信号有差异，这个差异可以作为活动识别的依据。通过分析信号强度特征就可以反推用户可能的活动状态。图2不同条件下测量到的WiFi信号强度对比Fig．2ＲeceivedWiFisignalstrengthvariesindifferentconditions2．1．2预处理人的活动是动态变化的，单一时刻的测量值难以体现这种动态特性，通常的做法是将测量数据进行分组，将某个时间段内(识别窗口)的数据作为一组，分析每组内信号特征，再进行分类与识别。假设识别窗口为ΔT，每个识别窗口数据不仅包含当前时刻测量值，还包含前?ΔT/τ」－1个时刻的测量值:W={wi|i=0，1，…，T－ΔT+1}(2)其中:wi={rssi*ΔT+j|j=0，1，…，ΔT－1}(3)2．1．3特征提取通过分组，每个组内都有很多测量数据，信号特征主要是针对每个分组内的数据进行的计算。本文使用的特征值包括幅度、标准差、N+和N－。1)幅度(Ｒange)。幅度就是组内最大测量值与最小测量值的差，表示信号强度最大变化范围:Ｒange=max(w)－min(w)(4)其中:max(w)和min(w)分别表示w组内的最大?
【相似文献】
相关期刊论文 前10条
1 李桂丹;孙雨耕;刘丽萍;张聚伟;;基于接收信号强度的无线传感器网络组网协议[J];计算机工程与应用;2008年24期
2 张维;李文涛;王力;;基于接收信号强度的不同移动终端定位方法研究[J];西北工业大学学报;2014年03期
3 唐小明;孔繁俊;朱洪伟;许海华;;基于接收信号强度指示的蓝牙信号源定位[J];计算机测量与控制;2009年02期
4 张滇;明仲;刘刚;陆克中;毛睿;冯禹洪;陈国良;;基于传感器节点的无线接收信号强度研究(英文)[J];深圳大学学报(理工版);2014年01期
5 倪巍,王宗欣;基于接收信号强度测量的室内定位算法[J];复旦学报(自然科学版);2004年01期
6 孔庆茹;杨新宇;闫超;杨文静;;一种基于接收信号强度指示的改进型定位算法[J];西安交通大学学报;2008年02期
7 樊星;牟荣增;阎跃鹏;;一种应用于无线传感器网络的全集成接收信号强度指示器[J];传感器与微系统;2013年09期
8 鲁志刚;刘伦;万天才;;WLAN射频系统接收信号强度指示器的设计[J];微电子学;2010年06期
9 张可;焦国太;梁聪聪;邓光明;;基于接收信号强度的雷场节点定位方法[J];探测与控制学报;2012年02期
10 沈笑慧;张健;何熊熊;;基于接收信号强度指示加权融合的定位算法[J];华侨大学学报(自然科学版);2012年06期
相关会议论文 前2条
1 胡瑞涛;侯媛彬;;基于接收信号强度和链路质量的井下人员定位跟踪方法[A];第22届全国煤矿自动化与信息化学术会议暨第4届中国煤矿信息化与自动化高层论坛论文集[C];2012年
2 李志颖;;合理改善无线环境 高效利用网络资源[A];内蒙古通信学会2005年年会论文集[C];2005年
相关博士学位论文 前1条
1 冯辰;基于压缩感知的RSS室内定位系统的研究与实现[D];北京交通大学;2011年
相关硕士学位论文 前10条
1 秦嵩;基于WLAN的AP端无线定位系统研究与实现[D];电子科技大学;2014年
2 田森平;基于接收信号强度的传感网组密钥生成协议的研究[D];西安电子科技大学;2014年
3 田玉兰;传感网基于接收信号强度的密钥生成匹配性的研究[D];西安电子科技大学;2014年
4 李婷;基于接收信号强度的WSN优化定位算法研究[D];华中科技大学;2014年
5 闵绪;基于MIMO平台的车联网实时精确定位算法设计与实现[D];东南大学;2016年
6 刘志振;Ad Hoc网络中的按需干扰攻击检测方法研究[D];华中科技大学;2015年
7 谢泽刚;基于接收信号强度指纹的室内定位算法研究[D];华中科技大学;2015年
8 张娇;基于接收信号强度的定位算法的研究[D];东北大学;2010年
9 潘立波;基于WIFI技术的无线定位算法研究与实现[D];浙江大学;2013年
10 毛文瑞;基于WIFI的被动入侵检测技术研究[D];合肥工业大学;2014年
本文编号：2555036
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2555036.html
