论文部分内容阅读
人体运动检测是日常生活中应用技术的一个重要分支。常规的人体运动检测通常采用传感器、摄像头等手段。这些手段要么需要被检测者佩戴额外的传感器,要么受限于天气条件。针对这些问题,本文研究了如何使用无线保真(Wireless Fidelity,WiFi)来进行运动检测。现有的WiFi运动检测手段主要是使用WiFi信号的接收信号强度指示(Received Signal Strength Indication,RSSI)和信道状态信息(Channel State Information,CSI)进行检测。由于两者都是环境敏感型的数据,因此环境发生变化,这些变化就会反映在RSSI和CSI的值上。在众多设计方案中,较为成熟的是前者,最为典型的是使用RSSI构建指纹库来判断人体的位置进而判断人体运动轨迹。该方法的缺点是RSSI精确度不够。使用CSI解决了RSSI精度不够的问题,但是要如何抽取表征运动的CSI并将CSI映射到人体运动上是一个难点。另外,人体运动包括躯体运动和人体四肢的运动,不同运动的运动幅度不同,因此引起环境变化的大小也不同。如何针对不同的运动采用相应的处理方案也是一个难点。针对以上两个难点,本文使用了两种解决方案,来正确检测躯体运动和手势这两种不同的运动。针对躯体运动(人的行走),考虑到成本因素,本文采用无线网卡作为CSI收集设备。由于无线网卡精度不够,本文提出使用线性回归校正时钟不同步引起的误差。考虑到行走引起CSI变化较大,本文使用局部离群因子检测(Local Outlier Factor,LOF)和Hampel滤波器进行异常校正。考虑到计算效率,本文只使用一个幅值的最大特征值和一个相位的最大特征值作为运动特征以映射到躯体的运动(行走或者静止),并使用简单的分类算法获得较高的正确率。针对手势运动这一更精细的人体运动,本文采用精度较高的通用软件无线电外设(Universal Software Radio Peripheral,USRP)作为CSI收集设备,使用更加精确的小波变换去除CSI数据噪声来提取表征手势的CSI,并使用了更加复杂的分类算法(随机森林和卷积神经网络算法)来检测手势。考虑到无线路由器发射WiFi数据包的不连续性,本文提出使用时间戳进行时间同步以切割CSI数据块。最后,本文所提出的方法能在无旁人干扰的室内环境中正确检测出躯体行走和四种手势,正确率分别为95%和92%。