论文部分内容阅读
基于无线局域网的WiFi技术不仅可以用来传输数据,还可以用来感知环境中的人体动作变化。对于WiFi信号而言,接收信号强度RSS易于获得,但是RSS作为一种粗粒度信息,主要来自于信号传输过程中在接收端的叠加结果,易受多径效应及环境噪声的影响,存在较大波动,稳定性较差。目前,在普通商用WiFi设备上可以获取来自物理层更细粒度的信道状态信息CSI,能有效减小因多径效应及噪声的影响,同时CSI在传输过程中携带反映周围环境的特征信息,可以用来检测人体动作的变化。本文主要工作包括以下部分:(1)对国内外关于人体检测的技术及应用进行简单概述,比较传统人体检测技术特点,并指出其不足之处,概述基于射频的人体检测技术发展现状。(2)分析无线信号传播模型,阐述无线信道响应的原理。对现有基于WiFi技术进行环境感知的关键指标RSS和CSI的特性对比,分析RSS的缺陷和CSI的优点,研究基于CSI的室内人体动作检测可行性方案。(3)研究WiFi信号的特征信息,为实现细粒度的人体检测提供依据。利用CSI-Tool采集工具提取来自物理层的CSI信息,对原始CSI数据使用局部异常检测LOF算法和Hampel异常判别法,进行异常检测与剔除,同时使用巴特沃斯滤波Butterworth和主成分分析PCA进行滤波处理,再利用线性相位变换技术对来自无线网卡本身的频率偏移进行处理,对相位偏差校正。利用幅值和相位的协方差矩阵最大特征值对预处理后的CSI数据提取特征信息,并利用支持向量机SVM算法对人体动作进行分类检测。(4)搭建CSI-Tool实验平台,对采集工具进行测试,并对不同环境下的SNR分析,对比RSS和CSI的稳定性,同时对预处理的Hampel异常判别中的不同参数取值分析,研究不同子载波个数和不同数据流个数对人体动作检测的影响,并以幅值为主提取特征信息,作为分类检测输入依据,对站起、行走、坐下三种动作进行检测。