基于CSI的人体呼吸检测与分类技术的研究

发布时间：2023-04-30 00:23

　　在人类的各种日常活动之中,呼吸活动参数是生命体征信息的重要指标。目前的呼吸检测系统采用的检测方法主要分为接触式和非接触式,其中接触式方法普遍会影响用户的舒适性,并且使用场景具有局限性。非接触式方法之中,电磁波检测法相对而言性能较好,但是传统的电磁波检测法依赖于复杂和昂贵的硬件设备,限制了其普遍性与实用性。针对这些问题,提出了采用基于信道状态信息(Channel State Information,CSI)技术的人体呼吸电磁波检测方法,该方法价格低廉、具有良好的精确度和鲁棒性。另外,在CSI数据的基础之上,研究了呼吸运动的分类问题。为了解决传统呼吸检测方法存在的问题,首先,对CSI技术进行了可行性分析;然后,建立了一种呼吸信息提取模型;最后,进行了实验,采集了人体呼吸的CSI数据和作为对照的应变式呼吸传感器的数据,为人体呼吸信息的检测和呼吸运动的分类提供了理论基础和数据来源。针对人体呼吸信息的检测,首先,根据CSI数据的特征,比较了傅立叶变换、Gabor变换、小波变换、巴特沃斯滤波器、切比雪夫滤波器、卡尔曼滤波等几种传统的滤波算法后,采用小波变换的滤波方法;然后,提出了一种合适的阈值滤波...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 课题研究现状
        1.2.1 呼吸信号检测方法
        1.2.2 呼吸信号分类方法
    1.3 论文研究内容
    1.4 论文组织结构
第二章 CSI技术的研究与实验
    2.1 CSI检测系统原理
        2.1.1 从RSSI到CSI
        2.1.2 CSI简介
        2.1.3 RSSI与CSI对比
        2.1.4 OFDM-MIMO技术
        2.1.5 信道状态信息建模与提取方法
    2.2 数据采集
        2.2.1 CSI数据的采集
        2.2.2 对照数据的采集
    2.3 本章小结
第三章 基于CSI的呼吸信息提取
    3.1 呼吸信息提取整体流程图及评价指标
        3.1.1 呼吸信息提取的整体流程图
        3.1.2 呼吸信息提取的性能评价指标
    3.2 呼吸数据获取的预处理
    3.3 呼吸数据的提取
        3.3.1 滤波方法
        3.3.2 滤波技术的参数设置
        3.3.3 结果分析
    3.4 小波滤波的改进
        3.4.1 改进方法原理
        3.4.2 阈值获取及处理方式
        3.4.3 结果比较
        3.4.4 结果分析
    3.5 不同姿态的结果分析
    3.6 本章小结
第四章 基于CSI的呼吸活动分类
    4.1 分类模型
        4.1.1 机器学习分类
        4.1.2 呼吸分类模型训练的流程图
    4.2 分类性能评价指标
    4.3 CSI数据分类的预处理
    4.4 几种分类算法的比较
    4.5 分类算法的预处理改进
    4.6 不同参数对分类模型的影响
        4.6.1 BP神经网络原理
        4.6.2 参数设置
        4.6.3 结果分析
    4.7 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介



本文编号：3806041