基于信道状态信息的室内人员检测技术

发布时间：2020-03-28 05:50

【摘要】：随着信息时代的到来和网络技术的广泛应用,无线通信技术得到了快速的发展,无线局域网也变得非常普及,学校、商场、咖啡店、家庭都可以连接上WIFI信号,这些广泛部署的WIFI设备为基于WIFI的情景感知技术提供了物理基础。无线电波不止可以传输数据,还可以感知环境,无线电波在传播的过程中会因为室内的人或物体而产生各种折射、反射、散射,在接收机处形成多径叠加信号,这些信号受到室内环境的影响,因此携带了反映室内环境特征的信息。传统的基于WIFI信号的环境感知技术通常是基于RSSI来研究的,但因其受限于多径效应的影响,无法提供细粒度的信息。近年来,随着普通商用设备可以获得信道状态信息CSI,很多研究工作都开始围绕着CSI展开。目前基于WIFI的应用研究主要有室内人员检测、室内定位、动作识别等。本文对基于WIFI的室内情景感知技术进行了研究,列举了几种基本的情景感知技术的应用研究,详细介绍了基于WIFI的人员检测、室内定位以及动作识别的技术方案。基于此,本文提出了一种基于CSI的室内人员检测方案,该方案包括了基于CSI的室内人员识别和基于CSI的室内人数检测两部分主要功能。在基于CSI的室内人员识别方案中,首先采集了测试者在走动和静止两种状态下的CSI信号,然后采用低通滤波的方法对原始CSI信号进行去噪,分别提取了动态和静态两个特征,其中静态特征使用时域均值,动态特征使用频域峰度;并采用核函数为径向基的支持向量机对该二维特征进行分类,从而达到区分不同人的目的。我们在不同的场景和条件下对该方案进行了实验,实验结果表明:该系统有较高的识别准确率,可以适应小范围的人员识别,在10个人的系统中识别准确率可以达到90%以上。在基于CSI的室内人数检测方案中,我们一共使用了两个天线来接收信号。首先采集了测试者经过检测区域的信号,然后对两个天线采集到的信号进行低通滤波处理和PCA主成分分析,接着使用滑动窗口对处理后的数据进行数据截取,并通过计算相邻窗口数据的相关性把数据分为稳定数据集和波动数据集。然后提取每个数据集的均值和标准差作为每个数据集的特征,然后采用支持向量机对该二维特征进行分类,把数据集分为稳定和波动两部分,然后通过分析波动数据和实际人数之间的关系,得出波动数据和实际人数的比例为21:1。然后通过检测两个天线接收到波动信号的时间差来判断测试者的行走方向。我们在不同条件下对系统进行了验证,结果表明该系统的人数检测方案的准确率可以达到95%以上。
【图文】：

京邮电大学硕士研究生学位论文 着引入 PCA 主成分分析法，并提取第一主成分作2）然后使用窗口大小为 20 的滑动窗口对第一3) 在每个滑动窗口中，把窗口内的数据作为窗相关系数判断窗口的相关性，如果相关系数大于零果相关数据小于零则把第一个数据集放入稳定数后继续滑动下去。4）最后把稳定数据集中的数据作为无人经过的样本。接着提取均值和方差作为每个窗口的特征行训练，得到一个训练模型，然后添加测试集对5）得到准确的训练模型后，进行大量实验，模计算进出的人数。

图 4.8 滑动窗口示意图处理之后的数据通过滑动窗口首先判断数据的状态是否稳定。在每个滑动窗口中，设窗中的 20 个数据作为每个窗口的特征向量w1。然后使用公式（4.1）计算相邻两个窗口的相系数判断窗口的相关性，如果相关系数大于零则说明数据较为平稳，把这两个数据集放入定数据集中，然后继续向下滑动。如果相关数据小于零则说明数据有突变现象，则把第一数据集放入稳定数据集中，第二个数据集放入波动数据集，并且向系统反馈出现波动信号，后继续滑动下去。然后把稳定数据集中的数据作为无人经过的训练样本，，而波动数据作为人经过的训练样本进行机器学习训练。ρw1w2=Cov(w1w2)√D(w1)√D(w2)（4.1）其中，Cov(w1w2)是w1，w2的协方差，D(w1)、D(w2)分别为w1，w2的方差。.4.2 分类
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.44;TN92

【相似文献】

相关期刊论文 前10条

1 黄开俊;胡强;覃团发;;基于过时信道状态信息的机会协作性能研究[J];信息技术;2013年10期

2 张倩;王晶晶;;一种基于部分信道状态信息的稳健性预编码方案[J];电子测试;2008年08期

3 赵志信;周泓岑;;非理想信道状态信息下调制方式切换阈值最优化算法[J];黑龙江科技大学学报;2015年01期

4 孙强;张源;金石;高西奇;;基于统计信道状态信息的有限反馈空分多址方法(英文)[J];Journal of Southeast University(English Edition);2012年01期

5 陈俊杰;司江勃;李赞;石莎;黄海燕;;非理想信道状态信息对频谱共享认知中继网络性能的影响[J];电子与信息学报;2012年06期

6 赵睿;郭荣新;蔡灿辉;;基于部分信道状态信息的双向中继系统性能分析[J];山西大学学报(自然科学版);2011年04期

7 杜娟;康桂霞;;基于部分信道状态信息的Tomlinson-Harashima预编码设计[J];南京邮电大学学报(自然科学版);2010年05期

8 林鸿鑫;赵睿;贺玉成;袁毅;;过时信道状态信息下的机会式中继选择系统的安全性能分析[J];信号处理;2016年07期

9 张立健;金梁;刘璐;罗文宇;;基于非理想信道状态信息的鲁棒安全发送方法[J];电子与信息学报;2015年05期

10 苏钢;朱光喜;刘应状;王德胜;;一种部分信道状态信息下提高频谱效率的方法[J];计算机科学;2007年12期

相关会议论文 前4条

1 钟俊;彭启琮;;部分信道状态信息对MIMO-OFDM通信系统的影响[A];第九届全国青年通信学术会议论文集[C];2004年

2 张玄黎;杨东凯;王延昭;修春娣;;基于机器学习的室内高精度指纹定位方法研究[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年

3 赵彤;李先圣;;基于CSI煤矿井下重要区域闯入检测系统[A];物联网与无线通信-2017年全国物联网技术与应用大会和2017年全国无线电应用与管理学术会议论文集[C];2017年

4 伍永西;许小东;戴旭初;;一种改进的OFDM系统旁瓣抑制算法[A];2010年通信理论与信号处理学术年会论文集[C];2010年

相关重要报纸文章 前2条

1 ;MIMO收发技术发展及应用[N];人民邮电;2007年

2 国家知识产权局副研究员 王雷;5G专利:从现在开始[N];通信产业报;2015年

相关博士学位论文 前10条

1 张雷;基于CSI的煤矿井下定位方法研究[D];中国矿业大学;2019年

2 黄伟;大规模MIMO信道状态信息获取与传输方案优化设计[D];东南大学;2018年

3 许杨;基于信道状态信息的人体行走感知技术研究[D];中国科学技术大学;2019年

4 钟俊;部分信道状态信息下的无线下行链接设计方法[D];电子科技大学;2005年

5 孙君;非理想信道状态信息移动通信系统的性能研究[D];山东大学;2008年

6 王举;基于射频信号及信道状态信息的被动式目标定位方法研究[D];西北大学;2016年

7 邓志祥;具有信道状态信息的中继信道容量研究[D];南京邮电大学;2015年

8 郝浪涛;多天线系统中的干扰处理技术研究[D];北京邮电大学;2015年

9 彭张节;非完美信道信息下MIMO通信系统传输技术研究[D];东南大学;2016年

10 张萌;协同无线通信系统中的关键技术研究[D];上海交通大学;2014年

相关硕士学位论文 前10条

1 程汉妮;基于信道状态信息的跌倒检测算法研究[D];华中科技大学;2019年

2 苏醒;基于信道状态信息的并发跨尺度连续行为感知方法研究[D];燕山大学;2019年

3 刘涛;基于信道状态信息的情感感知和行为识别研究[D];合肥工业大学;2019年

4 李彦斌;水声自适应OFDM非理想信道状态信息反馈的预测研究[D];西安科技大学;2019年

5 朱瑾华;基于信道状态信息的室内指纹定位算法研究[D];西安科技大学;2019年

6 张千坤;基于WLAN信道状态信息的角度/距离联合单站定位算法研究[D];重庆邮电大学;2018年

7 李勇;基于WLAN信道状态信息的无源目标跟踪算法研究[D];重庆邮电大学;2019年

8 陈浩翔;基于Wi-Fi信道状态信息的室内定位算法研究[D];华南理工大学;2019年

9 刘宁;基于Wi-Fi信道状态信息的手写识别研究[D];上海交通大学;2018年

10 刘先峰;基于Wi-Fi 802.11n信道状态信息的定位技术研究[D];电子科技大学;2019年

本文编号：2604017