基于动态阈值的WiFi动作分割和实时识别系统研究与实现

发布时间：2021-03-27 13:22

　　随着计算机技术的飞速发展,计算模式正在从以机器为中心朝着以人为中心转变。其未来发展方向是让人成为计算环节的一部分,从而实现高层次人机交互,那么对人体动作的识别和理解是必不可少的技术支撑。传统的人体动作识别方法有计算机视觉技术、红外线技术、专用传感器技术等。这些传统方法都有各自的不足,计算机视觉容易受到光线以及障碍物的影响,红外线感知范围有限且需要昂贵的设备,专用传感器安装和携带不便且造价昂贵。近年来,随着WiFi热点的普及以及WiFi在感知领域的广泛运用,基于WiFi信号的人体动作识别技术引起了人们的广泛关注。WiFi信号的信道状态信息（Channel Status Information,CSI）作为物理层的信息,具有良好的多径分辨能力,可以进行细粒度的环境感知。本文利用CSI进行人体动作识别方法的研究,主要工作如下:首先,本文设计并实现了一个基于WiFi信号的室内动作实时识别系统。本系统包含信号采集、数据实时传输、数据预处理、动作区间截取以及动作识别五个环节,能够实时地对室内单人动作进行分类识别。并对系统的识别延迟和识别准确率进行对比试验,权衡两者之间的关系以取得更高的综合性能,证... 

【文章来源】：河南大学河南省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

系统整体框架图

基于动态阈值的WiFi动作分割和实时识别系统研究与实现8准确率和延迟的关系，使系统达到更好的综合性能。2.2WiFi信号传播模型WiFi信号在传播过程中遇到的人类活动会对其正常传播产生扰动，通过分析信号的变化特征，可以对人类活动进行感知。因此在进行人体动作识别之前，对WiFi信号的传播进行建模是相当必要的，如图2-2为WiFi信号传播路径示意图。图2-2WiFi信号传播路径示意图首先，如果当WiFi信号只在收发端设备之间沿着直线进行传播，而且中间没有障碍物，那么根据Friis自由空间传播方程[38]可知信号的强度与传播路径满足公式（2-1）：222(4)ttrrPGGPd（2-1）其中tP表示发射端功率，rP表示接受端功率，tG和rG分别指发射端增益和接受端增益，是信号波长，d是收发端之间的距离。很明显，收发端设备之间的距离越远，感知难度相对来说就越大。但是在实际情况中，WiFi信号不会仅仅产生直射一条传播路径，往往因为环境的影响发生反射或折射后再传播到接收端。因此，考虑信号在天花板或地板等一些静止固定物体的反射传播路径之后，接受功率和发射功率之间的关系[43]就会发生一些小小的变化，具体如公式（2-2）所示：22244ttrrPGGPdh（2-2）相比公式（2-1），公式（2-2）增加了一个参数h，其表示静止固定物体的反射点到

11图2-3人体动作的振幅热度图图2-3表示的是一个人在室内环境中进行的任意动作，用热度来表示CSI振幅的变化，颜色越深代表振幅值越大，可以看出，人的活动会对CSI振幅造成很明显的影响。通过上文的介绍，我们了解了RSSI和CSI之间的特性区别，如表2-1所示。RSSI属于粗粒度信息，稳定性较差，用于人体活动识别准确率较低；CSI属于细粒度信息，稳定性比较高，用于人体活动识别准确率更高。表2-1RSSI和CSI特性对比类别RSSICSI网络层次介质访问控制层物理层数据层次数据包层次子载波层次频域分辨率无子载波尺度稳定性低高普适性大部分WiFi设备部分WiFi设备2.4卷积神经网络近年来，在机器学习的基础上，基于深度学习的分类方法引起了大家的广泛关注，其中的卷积神经网络[46]（CNN）更是得到了迅速发展。卷积神经网络的研究始于二十世纪八九十年代，是一种包含卷积计算且具有深度结构的前馈神经网络[48]，其结构可简单基于动态阈值的WiFi动作分割和实时识别系统研究与实现

【参考文献】：
期刊论文
[1]利用信道状态信息的室内定位方法[J]. 刘逸博,修春娣,朱云龙.  计算机工程与应用. 2016(22)
[2]基于信道状态信息的人体行为识别系统[J]. Mohammed Abdulaziz Aide Al-qaness,李方敏,马小林,梅华锋.  武汉理工大学学报. 2016(04)



本文编号：3103584