基于WiFi信道状态信息的室内人员感知研究与实现
发布时间：2023-04-16 12:05
随着智能信息时代的到来,室内人员感知技术也迅猛发展。大量室内人员感知应用需求涌现的同时,也不断提出更高的要求。在使用传感器设备无法同时满足可靠性、安全性、实用性和普适性的情况下,研究逐渐转向基于WiFi信号的无线室内感知方向。WiFi设备成本低廉,安全可靠,并早已在室内大量部署,在作为常用网络传输设备的同时,也能作为室内感知的信号源。WiFi接收信号强度指示(RSSI)作为网络链路层常规感知数据源,由于易受多径效应影响,数据不稳定,已逐渐被淘汰。信道状态信息(CSI)是网络物理层更细腻精细的感知数据源,能够抵抗一定多径干扰,提供更为丰富的室内环境变化特征。随着商用WiFi设备能够获取得到WiFi的CSI数据,基于WiFi的感知研究焦点逐渐转向了CSI。本论文使用CSI数据感知室内人员,包括人数统计、身份识别、定位追踪和行为识别四大应用。感知内容可以满足室内大部分应用,回答了人有多少,人是谁,人在哪和人做什么四个问题。在人数统计中,提出使用多普勒频移特征来识别通行人数,并利用旋转分割解决连续通行识别问题。在身份识别中,挖掘了通行数据中的统计特征,使用隔离森林算法做身份认证,即识别未知身份...
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景和意义
1.2 室内人员感知研究现状
1.3 研究内容与创新
1.4 论文结构
第二章 室内人员感知相关理论
2.1 WiFi信道状态信息
2.1.1 CSI幅值和相位
2.1.2 CSI数据优点
2.2 基于CSI的室内人员感知
2.2.1 基于CSI指纹感知模型
2.2.2 基于WiFi信号传播感知模型
2.2.3 基于CSI变化特征感知模型
2.2.4 基于深度学习感知模型
2.3 数据预处理
2.3.1 数据去噪
2.3.2 数据平滑
2.3.3 数据降维
2.4 分类与回归
2.4.1 支持向量机
2.4.2 深度神经网络
2.4.3 循环神经网络
2.5 本章小结
第三章 基于CSI的室内人员感知研究与实现
3.1 人数统计
3.1.1 人数统计理论分析
3.1.2 人数统计算法设计与实现
3.1.2.1 通行检测
3.1.2.2 连续通行检测
3.1.2.3 人数分类
3.1.3 人数统计方法流程
3.2 身份识别
3.2.1 身份识别理论分析
3.2.2 身份识别算法设计与实现
3.3 定位追踪
3.3.1 定位追踪理论分析
3.3.2 定位追踪算法设计与实现
3.3.2.1 预处理
3.3.2.2 DNN二维回归
3.3.2.3 粒子滤波与地图匹配
3.3.2.4 目标域微调
3.4 行为识别
3.4.1 行为识别理论分析
3.4.2 行为识别算法设计与实现
3.4.2.1 降噪滤波
3.4.2.2 动作截取
3.4.2.3 动作分类
3.5 本章小结
第四章 室内人员感知实验与结果分析
4.1 人数统计
4.1.1 实验设置
4.1.2 实验结果与分析
4.1.2.1 通行检测和人次计算
4.1.2.2 人数分类结果
4.1.2.3 连续通行人数统计结果
4.2 身份识别
4.2.1 实验设置
4.2.2 实验结果与分析
4.2.2.1 身份认证实验结果
4.2.2.2 目标识别实验结果
4.3 定位追踪
4.3.1 实验设置
4.3.2 实验结果与分析
4.3.2.1 定位追踪实验结果
4.3.2.2 实验参数比较
4.3.2.3 定位追踪算法比较
4.4 行为识别
4.4.1 实验设置
4.4.2 实验结果与分析
4.4.2.1 实验参数比较
4.4.2.2 行为识别算法比较
4.5 本章小结
第五章 总结和展望
5.1 论文总结
5.2 工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号：3791333
【文章页数】：90 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景和意义
1.2 室内人员感知研究现状
1.3 研究内容与创新
1.4 论文结构
第二章 室内人员感知相关理论
2.1 WiFi信道状态信息
2.1.1 CSI幅值和相位
2.1.2 CSI数据优点
2.2 基于CSI的室内人员感知
2.2.1 基于CSI指纹感知模型
2.2.2 基于WiFi信号传播感知模型
2.2.3 基于CSI变化特征感知模型
2.2.4 基于深度学习感知模型
2.3 数据预处理
2.3.1 数据去噪
2.3.2 数据平滑
2.3.3 数据降维
2.4 分类与回归
2.4.1 支持向量机
2.4.2 深度神经网络
2.4.3 循环神经网络
2.5 本章小结
第三章 基于CSI的室内人员感知研究与实现
3.1 人数统计
3.1.1 人数统计理论分析
3.1.2 人数统计算法设计与实现
3.1.2.1 通行检测
3.1.2.2 连续通行检测
3.1.2.3 人数分类
3.1.3 人数统计方法流程
3.2 身份识别
3.2.1 身份识别理论分析
3.2.2 身份识别算法设计与实现
3.3 定位追踪
3.3.1 定位追踪理论分析
3.3.2 定位追踪算法设计与实现
3.3.2.1 预处理
3.3.2.2 DNN二维回归
3.3.2.3 粒子滤波与地图匹配
3.3.2.4 目标域微调
3.4 行为识别
3.4.1 行为识别理论分析
3.4.2 行为识别算法设计与实现
3.4.2.1 降噪滤波
3.4.2.2 动作截取
3.4.2.3 动作分类
3.5 本章小结
第四章 室内人员感知实验与结果分析
4.1 人数统计
4.1.1 实验设置
4.1.2 实验结果与分析
4.1.2.1 通行检测和人次计算
4.1.2.2 人数分类结果
4.1.2.3 连续通行人数统计结果
4.2 身份识别
4.2.1 实验设置
4.2.2 实验结果与分析
4.2.2.1 身份认证实验结果
4.2.2.2 目标识别实验结果
4.3 定位追踪
4.3.1 实验设置
4.3.2 实验结果与分析
4.3.2.1 定位追踪实验结果
4.3.2.2 实验参数比较
4.3.2.3 定位追踪算法比较
4.4 行为识别
4.4.1 实验设置
4.4.2 实验结果与分析
4.4.2.1 实验参数比较
4.4.2.2 行为识别算法比较
4.5 本章小结
第五章 总结和展望
5.1 论文总结
5.2 工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
本文编号：3791333
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3791333.html
