Wi-Fi下多场景人员检测系统及算法研究

发布时间：2023-08-27 14:35

　　室内人体感知技术在人员检测、室内定位、运动分析和安防检测等领域有着广泛的应用。由于无源检测的普适性和低成本,利用商用无线信号(Wireless Fidelity,Wi-Fi)进行人员检测逐渐成为热门的研究问题。传统的人体感知技术一般采用基于接收信号强度指示(Received Signal Strength Indication,RSSI)的方法,这种方法由于多径干扰强和信号的时变性,存在稳定性差和定位精度低等问题,而基于信道状态信息(Channel State Information,CSI)的感知信号由于精度高,鲁棒性强,逐渐成为人体感知的基信号。主要工作如下:(1)开发了一种基于商用Wi-Fi设备的CSI收集分析系统。该系统可以根据网卡的不同,设置基于Atheros和Intel 5300两种不同网卡进行CSI信号收集,还可以调整工作的频段,使其工作在5G和2.4G下,并且可以对信号进行重放、去噪和降维,对单个信号进行时域和频域的分析,还可以利用机器学习算法进行人员检测。(2)提出了一种适用于简单环境下的RBF-KNN(Radial Basis Function K-NearestN...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
    1.3 主要研究内容及结构
第2章 室内人员检测技术相关理论和技术
    2.1 基于传感器网络的检测方法
        2.1.1 基于视频的检测方法
        2.1.2 基于可穿戴设备的检测方法
        2.1.3 基于超宽带的检测方法
        2.1.4 基于红外线的检测方法
    2.2 基于Wi-Fi信号的检测方法
        2.2.1 RSSI信号
        2.2.2 CSI信号
    2.3 检测性能的评价标准
    2.4 本章小结
第3章 人员检测系统的设计与实现
    3.1 系统总体设计
        3.1.1 系统结构
        3.1.2 实验平台
        3.1.3 操作界面
    3.2 动作识别系统的实现
        3.2.1 CSI信号收集
        3.2.2 信号预处理
        3.2.3 动作识别
    3.3 本章小结
第4章 室内简单环境下的人员检测算法
    4.1 问题描述
    4.2 基于KNN的算法实现
        4.2.1 离线阶段
        4.2.2 在线阶段
    4.3 实验结果分析
        4.3.1 实验场景
        4.3.2 不同数据包数量对人员检测的影响
        4.3.3 不同K值对结果影响
        4.3.4 卡尔曼滤波对检测率的影响
        4.3.5 识别的累计误差
    4.4 本章小结
第5章 室内复杂环境下的人员检测算法
    5.1 问题描述
    5.2 SVM-CSI方法描述
        5.2.1 信号收集与PCA降维
        5.2.2 特征提取
        5.2.3 SVM模型训练
    5.3 实验结果及讨论
        5.3.1 实验设备及场景
        5.3.2 PCA算法对检测性能的影响
        5.3.3 特征数与检测率
        5.3.4 窗口大小和算法准确率的关系
        5.3.5 不通过环境下算法准确率比较
        5.3.6 室内简单环境和室内复杂环境准确率比较
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简历、在学期间发表的学术论文及研究成果



本文编号：3844107