CN107241698B - 一种无接触感知追踪方法 - Google Patents

一种无接触感知追踪方法 Download PDF

Info

Publication number
CN107241698B
CN107241698B CN201710580420.5A CN201710580420A CN107241698B CN 107241698 B CN107241698 B CN 107241698B CN 201710580420 A CN201710580420 A CN 201710580420A CN 107241698 B CN107241698 B CN 107241698B
Authority
CN
China
Prior art keywords
csi
moving object
receiving device
antennas
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710580420.5A
Other languages
English (en)
Other versions
CN107241698A (zh
Inventor
张大庆
李翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Original Assignee
Peking University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University filed Critical Peking University
Priority to CN201710580420.5A priority Critical patent/CN107241698B/zh
Publication of CN107241698A publication Critical patent/CN107241698A/zh
Application granted granted Critical
Publication of CN107241698B publication Critical patent/CN107241698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]

Abstract

本申请公开一种移动物体追踪方法，包括如下步骤：两个无线信号接收设备用天线阵列同时分别接收无线信号，并根据无线信号分别确定每根天线上采集的CSI，其中，两个接收设备具有各自的均匀线性天线阵列，在两个接收设备中的每个接收设备上的三根天线构造成均匀线性天线阵列；通过对每个接收设备的三根天线中的两根天线上分别采集的CSI进行共轭相乘，分别确定移动物体在每个接收设备上引入的多普勒频移；根据从每个接收设备的三根天线上采集的CSI，分别获得每个接收设备上的空间谱；根据所确定的移动物体在每个接收设备上引入的多普勒频移和每个接收设备上获得的空间谱，确定移动物体的轨迹。

Description

一种无接触感知追踪方法
技术领域
本发明涉及无接触感知追踪技术，尤其涉及一种基于商业无线局域网设备的移动物体追踪方法。
背景技术
无接触感知追踪指的是不需要追踪目标携带任何设备，也不需要发生任何接触性行为，就可以确定目标的移动轨迹。无线局域网(WiFi)设备目前广泛存在于我们的日常生活中，因此实现在商业WiFi设备上的无接触感知追踪技术受到人们的广泛关注。
2013年，美国的Fadel Adib在文献1(See Through Walls with Wi-Fi！SIGCOMM13)中提出了一种利用WiFi信号穿墙追踪目标移动轨迹的解决方案。该方法利用预编码技术，消除环境中静态物体反射的WiFi信号的影响，只关注运动物体反射信号的变化。然而，该方法需要特殊的无线收发器，来支持特殊的预编码算法。同时，该方法只能够感知目标的相对运动趋势，无法获得轨迹。
2015年，美国的Kiran Joshi在文献2(WiDeo:Fine-grained Device-free MotionTracing using RF Backscatter,NSDI 15)中提出了一种解决方案：建立一种自发自收的无线局域网设备，自己发出的信号经过反射后再被自己接收。通过后期信号处理分析出每条反射路径的长度、到达角度(AoA)以及信号强度，根据定位目标的活动性找出定位目标反射的路径，最终追踪目标的轨迹。然而，该方法需要对现有WiFi设备进行修改，改变传统的WiFi工作模式，无法在商业WiFi设备上实现。
2016年，中国的Kun Qian在文献3(Decimeter Level Passive Tracking withWiFi，HotWireless 16)中提出了一种解决方案。该方法提取出WiFi信号的多普勒频移大小，从中获取目标的速度信息，然后根据多对WiFi信号传输链的几何约束，来确定目标移动速度，并追踪目标轨迹。然而，该方法为了获得足够多的WiFi信号传输链约束，需要把一台设备的多根天线分开较远距离放置。这在商用WiFi设备上比较困难，需要突破尺寸限制，并且需要给天线连接较长的馈线，而这会严重影响WiFi通信质量。
2016年，中国的Xiang Li在文献4(Dynamic-MUSIC:Accurate Device-FreeIndoor Localization，Ubicomp 16)中提出了一种解决方案。该方法利用商用WiFi设备上的三根天线在WiFi信号接收设备搭建天线阵列，获取移动目标的相对WiFi信号接收设备的角度，然后利用2个以上的WiFi接收设备，来确定运动目标的位置。然而，该方法为只能独立确定每个时刻目标的位置，无法获取目标的移动轨迹信息。
1986年，美国Ralph O.Schmidt在文献1(Multiple emitter location andsignal parameter estimation,IEEE transactions on antennas and propagation,AP-34(3):276–280,Mar.1986)中提出了多重信号分类算法(Multiple SignalClassification，MUSIC)，利用自相关矩阵特征值分解的方法来区分在接收端天线阵列处叠加在一起的多个入射信号，并估计它们各自的AoA。MUSIC算法是空间谱估计算法，其利用接收数据的协方差矩阵分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，进行全域搜索谱峰，从而实现信号的参数估计。其特点是测向分辨率高；对信号个数、DOA(波达方向)、极化、噪声干扰强度、来波的强度和相干关系可以进行渐进无偏估计；可以解决多径信号的DOA估计问题；可以用于高密度信号环境下的无线测向。除了AoA外，MUSIC算法也被应用于无线信号频率估计。
在无线通信领域，信道状态信息(Channel StateInformation，CSI)是通信链路的信道属性，它描述了信号在每条传输路径上的衰弱因子，即信道增益矩阵中每个元素的值，如信号散射、多径时延、多普勒频偏、MIMO信道的秩、波束形成向量、环境衰弱、距离衰减等信息。CSI可以使通信系统适应当前的信道条件，在多天线系统中为高可靠性高速率的通信提供了保障。
发明内容
为了克服上述现有技术的不足，本发明提供一种移动物体追踪方法。
根据本发明的一个方面，本发明提供一种移动物体追踪方法，无线信号收发环境中的发射设备为支持测量信道状态信息的无线信号发射设备，接收设备是与发射设备对应的能提供信道状态信息的无线信号接收设备；待追踪的动态物体目标无需携带任何设备，利用无线信号收发环境对所述待定位目标实现无接触感知追踪，获得所述待定位目标的轨迹，即在空间中给定坐标下确定移动物体的坐标。该方法包括如下步骤：
1)两个无线信号接收设备用天线阵列同时分别接收无线信号，并根据该无线信号分别确定每根天线上采集的CSI，其中，两个接收设备具有各自的均匀线性天线阵列，在两个接收设备中的每个接收设备上的三根天线构造成均匀线性天线阵列；其中，无线信号接收设备为Wifi信号接收设备或RFID读取器中的一种；均匀线性天线阵列的天线之间的间隔相等且不超过无线信号波长的一半；
2)通过对每个接收设备的三根天线中的两根天线上分别采集的CSI进行共轭相乘，分别确定移动物体在每个接收设备上引入的多普勒频移：
首先，共轭相乘包括：在时刻t频率为f的载波上，两根天线上的CSI采样分别为：x1(f,t)、x2(f,t)，对x2(f,t)取共轭复数得到
Figure GDA0002319657160000031
并与x1(f,t)相乘，获得消除随机相移的CSI采样
Figure GDA0002319657160000032
然后，对于多个消除随机相移的CSI采样[xc(f,t1),…,xc(f,tM)]，其均值为
Figure GDA0002319657160000033
从每个消除随机相移的CSI采样中减去其均值，从而得到移除静态路径信号成分的CSI采样
Figure GDA0002319657160000034
接着，每个采样中各个子载波上的CSI作为快照，构造CSI矩阵，利用MUSIC算法计算频率谱包括：接收设备采集的多个移除静态路径信号成分的CSI采样构成天线阵列信号向量X(f)，并将其进行如下处理：
Figure GDA0002319657160000035
其中，M是移除静态路径信号成分的CSI采样的个数；每个移除静态路径信号成分的CSI采样包括K个子载波上的CSI；x(fk,t0+Δtm)是第m个移除静态路径信号成分的CSI采样在第k个子载波上的快照；Δtm是第m个移除静态路径信号成分的CSI采样和第1个移除静态路径信号成分的CSI采样的时间间隔，该信息可以根据采集到的CSI的时间戳来确定；L是空间中需要进行频率估计的路径数；vl是第l条路径的长度变化速度，其对应的多普勒频移为
Figure GDA0002319657160000036
f是无线信号的中心频率；sl(fk)是第l条路径在第一次采样t0时在第k个子载波上的CSI，N(f)是噪声矩阵，A的每个列向量被称为一个导向向量，利用多重信号分类算法即MUSIC算法计算频率谱，从而得到相应的多普勒频移；再根据信号的中心频率、光速以及相应的多普勒频移得到相应的反射信号的路径长度变化速度，其中，频率谱的每个谱峰对应一条路径；
其中，例如，如果频率谱的最高谱峰能量高于阈值，则选择最高谱峰对应的频率为移动物体引入的多普勒频移，否则无有效多普勒频移；阈值为静态环境下测量到的所有频率谱的最高谱峰能量的累积分布函数的90％所对应的能量。
3)根据从每个接收设备的三根天线上采集的CSI，分别获得每个接收设备上的空间谱：
对于多个CSI采样，获得从三根天线采集的CSI，构成天线阵列信号向量X(t)，并将其进行如下处理：
Figure GDA0002319657160000041
其中，M是CSI采样的个数；N是每个接收设备的天线的个数，N＝3；xm(t)是第m根天线上采集到的CSI；L表示到达天线阵列的不同路径的信号数；θj表示第j条路径的信号到达接收设备的天线阵列的AoA；sj(t)是第j条路径的信号到达接收设备天线阵列的第一根天线的衰减和相移；N(t)是噪声矩阵，
其中，利用MUSIC算法以向量X(t)作为输入计算空间谱。
步骤3)为利用MUSIC算法计算空间谱，例如还可以参考文献4(Dynamic-MUSIC:Accurate Device-Free Indoor Localization，Ubicomp 16)中记载的Dynamic-MUSIC方法。
4)根据所确定的移动物体在每个接收设备上引入的多普勒频移和每个接收设备上获得的空间谱，确定移动物体的轨迹：
将感知区域划分为多个方格；
计算每个方格作为轨迹起点时获得的轨迹的置信值，包括：当轨迹初始位置在多个方格中的一个方格时，
a.根据从两个接收设备获得的相应的反射信号的路径长度变化速度、两个接收设备的实际位置和发射设备的实际位置以及多个方格中的所述一个方格的位置，计算出移动物体的速度，因而计算移动物体在该段轨迹的第二个时刻时的位置，由此获得整段轨迹的位置；
b.在该段轨迹的第t个时刻点，通过MUSIC算法测得的两个接收设备上的空间谱，轨迹对应的移动物体相对接收设备的相应的AoA，则得到第t个时刻点的置信值，从而确定整段轨迹的置信值；
选择轨迹的置信值最高的位置作为轨迹的起始点，从而确定移动物体的轨迹。
根据本发明的另一个方面，本发明提供一种移动物体追踪系统，包括：两个无线信号接收设备，两个接收设备被构造具有各自的均匀线性天线阵列，其中，在两个接收设备中的每个接收设备上的三根天线构造成均匀线性天线阵列，其中，两个接收设备经配置用天线阵列同时分别接收无线信号，并根据无线信号分别确定每根天线上采集的CSI；存储器，其存储有指令；处理器，其经配置执行指令以执行以下操作：通过对每个接收设备的三根天线中的两根天线上分别采集的CSI进行处理，以分别确定移动物体在每个接收设备上引入的多普勒频移；根据从每个接收设备的三根天线上采集的CSI，分别获得每个接收设备上的空间谱；根据所确定的移动物体在每个接收设备上引入的多普勒频移和每个接收设备上获得的空间谱，确定移动物体的轨迹。
根据本发明的又一个方面，本发明提供一种计算机可读存储介质，其存储有经配置由处理器执行的指令，该指令使得计算机执行上述的移动物体追踪方法的操作。
附图说明
图1是根据本发明的一个实施例搭建的移动物体追踪系统的示意图；
其中，(a)为发射设备(Wi-Fi设备)；(b)(c)为接收设备(设有均匀线性天线阵列的Wi-Fi网卡，Wi-Fi网卡支持三根天线口)，接收设备分别连接三根天线，天线间隔不超过所用信号的半波长，虚线框为感知区域。
图2为一种移动物体追踪方法的流程框图。
图3为根据本发明的一个实施例的基于WiFi的移动物体追踪方法的流程框图。
图4以方框图的形式描述了数据处理系统。数据处理系统400可用于实施本发明中的各种系统。
具体实施方式
下面结合附图，通过一个实施例进一步描述本发明，但不以任何方式限制本发明的范围。
本发明的一个实施例提供一种移动物体追踪方法，基于商业无线局域网设备的，不需要定位目标携带任何设备，在商业WiFi设备上，在不修改硬件的基础上，通过两个WiFi接收设备，当环境中只有一个移动物体时，确定该移动物体的轨迹，实现准确的无接触感知的动态物体追踪，只需要一个WiFi发射设备和两个WiFi接收设备，就能够确定目标的轨迹。
其原理是：利用WiFi设备的现有天线(目前常见的为3根，随着WiFi技术的发展，最新的802.11ac协议已经可以支持8根)，在WiFi接收设备上构造一个均匀线性天线阵列接收WiFi信号，利用两根天线上的CSI消除WiFi信号收发设备之间不同步产生的随机相移，从CSI的相位信息中获取移动物体引起的多普勒频移(大小和方向)，然后利用文献4中的方法计算移动物体存在时接收设备的空间谱，最终通过两个WiFi接收设备分别识别追踪移动物体引起的多普勒频移和空间谱，联合估计移动物体的位置和速度，从而确定移动物体的轨迹。
本发明的一个实施例包括如下过程：
1)两个(接收设备的数目必须为两个或两个以上，在本实施例中用两个接收设备)WiFi接收设备用天线阵列同时分别接收WiFi发射设备发出的无线信号，并根据该无线信号分别确定每根天线上采集的CSI(其反应了信号从发射端到达接收端所发生的振幅和相位的改变)；系统运行前测量得到各个接收设备和发射设备的位置；其中，接收设备具有均匀线性天线阵列，在接收设备的WiFi网卡上的三根或三根以上天线构造成均匀线性天线阵列；
发射设备为WiFi信号发射设备(如WiFi网卡、路由器等)；接收设备是与发射设备对应的WiFi信号接收设备，二者使用相同频率的WiFi信号；在商业WiFi网卡(如Intel 5300网卡、Atheros AR9580网卡、Atheros AR9590网卡等支持提供信道状态信息的网卡)上利用现有的N根天线(至少三根)构造具有均匀线性天线阵列的WiFi接收设备(如图1)，如果网卡本身支持更多的天线(如最新的802.11ac协议支持8根天线)，用更多的天线搭建天线阵列的效果会更好，这里只要求最少三根；接收设备用天线阵列接收信号，天线阵列之间的间隔相等，且由具体使用的信号波长来决定(不超过波长的一半)；
2)通过对每个接收设备的天线中的两根天线上分别采集的CSI进行共轭相乘，分别确定移动物体在每个接收设备上引入的多普勒频移：
首先，每个接收设备采集2根天线上的信道信息将其表示为信道状态信息即CSI并进行共轭相乘获得消除随机相移的CSI采样：在时刻t频率为f的载波上，天线1上的原始CSI采样为x1(f,t)，在天线2上的原始CSI采样为x2(f,t)。取天线2的原始CSI采样的共轭复数：
Figure GDA0002319657160000071
并与天线1上的原始CSI采样相乘获得消除随机相移的CSI采样：
Figure GDA0002319657160000072
然后，对于一次估计的时间窗口内获得的M个CSI采样[xc(f,t1),…,xc(f,tM)]，其均值为
Figure GDA0002319657160000073
从每个采样中减去其均值，从而得到移除静态路径信号成分的CSI采样：
Figure GDA0002319657160000074
在其他实施例中，还可以使用高通滤波器来滤除共轭相乘后的CSI采样中的多普勒频移为0的成分(具体滤波参数由实际应用要求确定，但目的在于必须保证滤除多普勒频移为0的成分)实现该步骤目标。
接着，每次采样中各个子载波上的CSI作为快照，构造CSI矩阵，运行MUSIC算法估计频率谱；假设在一次估计窗口内，接收设备获得M个采样，每个采样包含K个子载波上的CSI，这M个移除静态路径信号成分的CSI采样构成天线阵列信号向量X(f)：
Figure GDA0002319657160000075
式1中，x(fk,t0+Δtm)是第m个CSI采样在第k个子载波上的快照；Δtm是第m个CSI采样和第1个CSI采样的时间间隔，该信息可以根据采集到的CSI的时间戳来确定；L是空间中需要进行频率估计的路径数；vl是第l条路径的长度变化速度，其对应的多普勒频移为
Figure GDA0002319657160000076
f是无线信号的中心频率；sl(fk)是第l条路径在第一次采样(t0)时在第k个子载波上的CSI，N(f)是噪声矩阵，
Figure GDA0002319657160000081
其每个列向量被称为一个导向向量；
Figure GDA0002319657160000082
Figure GDA0002319657160000083
利用MUSIC算法，以式1的CSI矩阵X(f)作为输入，根据式1，可以获得频率谱(频率谱横轴为频率，纵轴为信号强度)，本领域技术人员很容易根据该频率谱得到每个多普勒频移
Figure GDA0002319657160000084
可能存在的概率。在其他实施例中，还可以利用快速傅里叶变换(FFT)方法获得该频率谱。其中每个谱峰对应的一条被识别出的路径，其对应的多普勒频移为该路径信号的多普勒频移。由于信号的原始频率(信道频率f)和传播速度(光速c)已知，因此根据多普勒频移，我们就能得到每条路径长度的变化速度vl。
例如，如果最高谱峰能量高于阈值ρ(一段时间(大于5秒)的静态环境下测量到的所有频率谱的最高谱峰能量的累积分布函数的90％所对应的能量)，则选择最高谱峰对应的频率为移动物体引入的多普勒频移，否则无有效多普勒频移。
3)根据从每个接收设备的所有天线上采集的CSI，分别获得每个接收设备上的空间谱：
假设接收设备的天线阵列由N根天线组成(N必须大于等于3)，经过M次CSI采样，获得N根接收天线的各自采集的CSI，构成天线阵列信号向量X(t)：
Figure GDA0002319657160000085
式2中，xm(t)是第m根天线上采集到的CSI；L表示到达天线阵列的不同路径的信号数；θj表示第j条路径的信号到达接收设备的天线阵列的AoA；sj(t)是第j条路径的信号到达接收设备天线阵列的第一根天线的衰减和相移；N(t)是噪声矩阵。利用MUSIC算法，以式2的CSI矩阵X(t)作为输入，根据式2，可以获得空间谱，得到每个AoA可能存在的概率。
4)在移动物体停止移动后(测量不到有效多普勒频移)，根据所确定的移动物体在每个接收设备上引入的多普勒频移和每个接收设备上获得的空间谱，估计该轨迹发生的位置和速度，从而确定移动物体的轨迹：
首先将感知区域划分为N×N个方格(划分精度根据感知区域大小和应用需求决定)；
然后，根据两个接收设备获得的多普勒频移计算出的轨迹和实际测量到的AoA的匹配程度，计算每个方格作为轨迹起点时获得的轨迹的置信值：当轨迹初始位置在第i个方格时，a.根据两个接收设备测量到的多普勒频移(可以获得移动物体直接反射信号的路径长度变化速度(
Figure GDA0002319657160000091
和
Figure GDA0002319657160000092
对应1号接收设备，
Figure GDA0002319657160000093
对应2号接收设备))、收发设备的实际位置(ptx，prx1，prx2)和方格i的位置p1，可以计算出移动物体的速度
Figure GDA0002319657160000094
Figure GDA0002319657160000095
因而可以计算移动物体在该段轨迹的第二个时刻时的位置p2，以此类推可以获得整段轨迹[p1,p2,…,pT]，其中T为轨迹包含点数；b.在该段轨迹的第t个时刻点，根据MUSIC算法测量得到的两个接收设备上的空间谱为
Figure GDA0002319657160000096
和
Figure GDA0002319657160000097
轨迹对应的移动物体相对接收设备的到达角度为
Figure GDA0002319657160000098
和
Figure GDA0002319657160000099
则该时刻的置信值为
Figure GDA00023196571600000910
因此整段轨迹的置信值为：
Figure GDA00023196571600000911
最后，选择轨迹置信值最高的位置(方格)作为轨迹的起始点，获得完整的轨迹估计。
在图1中，本发明的一个实施例的移动物体追踪系统包括1个发射设备(a)、2个接收设备(b)、(c)；采用日常商业WiFi网卡安装在一台个人电脑上作为信号接收设备，选择Intel 5300网卡，支持3根天线，并在其上连接等间距的线性天线阵列。用1个常见Wi-Fi设备作为信号发射设备。该发射设备发出的信号同时被两个接收设备收到。采用5GHz的WiFi信号，20MHz的带宽，Intel 5300网卡能提供30个子载波的CSI。如图1所示，对于一个矩形的感知区域，发射设备放在该矩形的一个角上，两个接收设备分别放在与发射设备相邻的两个角上，两个接收设备与发射设备的连线相互垂直，收发设备之间的距离为6米(事先测量)，虚线框为感知区域，当感知环境中有一个人在活动时，用本发明提供方法来判断该活动的人的轨迹。
在其他实施例中，还可以使用其他无线信号收发设备，例如，选择RFID标签作为无线信号发射设备(有源RFID标签或无源RFID标签)；选择RFID阅读器作为无线信号接收设备；该无线信号为RFID设备所使用的无线信号。
图2为一种移动物体追踪方法的流程框图。
在201处，两个无线信号接收设备用天线阵列同时分别接收无线信号，并根据该无线信号分别确定每根天线上采集的CSI，其中，两个接收设备具有各自的均匀线性天线阵列，在两个接收设备中的每个接收设备上的三根天线构造成均匀线性天线阵列；
在202处，通过对每个接收设备的三根天线中的两根天线上分别采集的CSI进行处理，以分别确定移动物体在每个接收设备上引入的多普勒频移；其中，对每个接收设备的三根天线中的两根天线上分别采集的CSI进行处理包括对每个接收设备的三根天线中的两根天线上分别采集的CSI进行共轭相乘，并且其中，对每个接收设备的三根天线中的两根天线上采集的CSI进行共轭相乘具体为：在时刻t频率为f的载波上，天线1上的原始CSI采样为x1(f,t)，在天线2上的原始CSI采样为x2(f,t)。取天线2的原始CSI采样的共轭复数：
Figure GDA0002319657160000101
并与天线1上的原始CSI采样相乘；
在203处，根据从每个接收设备的三根天线上采集的CSI，分别获得每个接收设备上的空间谱；
在204处，根据所确定的移动物体在每个接收设备上引入的多普勒频移和每个接收设备上获得的空间谱，确定移动物体的轨迹。
图3为根据本发明的一个实施例的基于WiFi的移动物体追踪方法的流程框图，其中：
在301处，发射设备以每秒200个包的速度发射信号；两个接收设备用天线阵列同时接收，确定CSI，并发送给处理器；
在302处，确定是否缓存够60个包的CSI；如果是，则方法继续至303和304；如果否，则返回至301；
在304处，对于一个包，对于每一个接收设备，首先选择天线1和天线2上的CSI做共轭乘法消除收发设备之间不同步产生的随机相移，获得修正的CSI，对于Intel 5300网卡，每个包将获得30个修正CSI(每个子载波对应一个CSI)；对采集到的60个包的修正CSI，减去其均值，然后利用30个子载波上的CSI，构造一个60×30的CSI矩阵，利用MUSIC算法获得频率谱；
在303处，对于每一个接收设备，利用60个包以及3根天线测量到的60×3×30个CSI信息作为输入，通过MUSIC算法获得包含目标方向信息的空间谱；
在305处，确定最高谱峰能量是否大于阈值ρ(一段时间(大于5秒)的静态环境下测量到的所有频率谱的最高谱峰能量的累积分布函数的90％所对应的能量)，例如，如果最高谱峰能量高于阈值，则方法继续到306，选择最高谱峰对应的频率为移动目标引入的多普勒频移，否则无有效多普勒频移；如果最高谱峰能量低于阈值，则认为一段轨迹完成，方法继续，开始进行轨迹估计；
进行轨迹估计的具体方法为：在目标停止移动后(测量不到有效多普勒频移)，根据目标移动的这一段轨迹所采集到多普勒频移和空间谱，估计该轨迹发生的位置和速度，从而确定目标的轨迹：
首先将感知区域划分为121×121个方格，划分精度5厘米；
然后，根据两个接收设备获得的多普勒频移计算出的轨迹和实际测量到的AoA的匹配程度，计算每个方格作为轨迹起点时获得的轨迹的置信值：当轨迹初始位置在第i个方格时，a.根据两个接收设备测量到的多普勒频移(可以获得反射信号的路径长度变化速度(
Figure GDA0002319657160000111
和
Figure GDA0002319657160000112
对应1号接收设备，
Figure GDA0002319657160000113
对应2号接收设备))、收发设备的实际位置(ptx，prx1，prx2)和方格i的位置p1，可以计算出目标的速度
Figure GDA0002319657160000114
Figure GDA0002319657160000115
因而可以计算目标在该段轨迹的第二个时刻时的位置p2，以此类推可以获得整段轨迹[p1,p2,…,pT]，其中T为轨迹包含点数，如307处所示；b.在该段轨迹的第t个时刻点，根据MUSIC算法测量得到的两个接收设备上的空间谱为
Figure GDA0002319657160000116
和
Figure GDA0002319657160000117
轨迹对应的目标相对接收设备的到达角度为
Figure GDA0002319657160000118
和
Figure GDA0002319657160000119
则该时刻的置信值为
Figure GDA00023196571600001110
因此整段轨迹的置信值为：
Figure GDA00023196571600001111
如308处所示。
最后，在309处，选择轨迹置信值最高的位置(方格)作为轨迹的起始点，获得完整的轨迹估计。
图4以方框图的形式描述了数据处理系统400。数据处理系统400可用于实施本发明中的各种系统。
如图4所示，数据处理系统400包括通信架构402，其提供处理器单元404、存储装置406、通信单元408、输入/输出单元410和显示器412之间的通信。在一些情形中，通信架构402可以被实施为总线系统。
处理器单元404被配置为执行软件的指令从而执行若干操作。处理器单元404根据实施可以包括若干处理器、多核处理器和/或一些其他类型的处理器。在一些情形中，处理器单元404可以采用硬件单元的形式，例如，电路系统、专用集成电路(ASIC)、可编程逻辑器件或一些其他合适类型的硬件单元。
处理器单元404运行的操作系统的指令、应用程序和/或程序可位于存储装置406中。存储装置406可以通过通信架构402与处理器单元404通信。如本文所用的，存储装置也被称为计算机可读存储装置，是任何能够将信息暂存和/或永久性存储的任何一件硬件。该信息可以包括，但不限于，数据、程序代码和/或其他信息。
存储器414和持久存储器416是存储装置406的实例。存储器414可以采用，例如随机存取存储器或一些易失性或非易失性存储装置的形式。持久存储器416可以包括任何数量的组件和装置。例如，持久存储器416可以包括硬件设备、闪存、可重写光盘、可重写磁带或上述其他组合。持久存储器416使用的媒介可以是或可以不是可拆卸的。
通信单元408允许数据处理系统400与其他数据处理系统和/或设备通信。通信单元408可以使用物理和/或无线通信链路提供通信。
输入/输出单元410允许从与数据处理系统400相连的其他设备处接收输入和发送输出。例如，输入/输出单元410可以允许用户通过键盘、鼠标和/或一些其他类型输入设备接收输入。作为另一个例子，输入/输出单元410可以允许发送输出至与数据处理系统400相连的打印机。
显示器412被配置为向用户显示信息。显示器412可以包括，例如，但不限于，监视器、触摸屏、激光显示器、全息显示器、虚拟显示设备和/或一些其他类型显示设备。
在这个示例性实例中，通过处理器单元404使用计算机实施指令可以执行不同示例性实施例的过程。这些指令可以被称为程序代码、计算机可用程序指令或计算机可读程序代码，而且处理器单元404中的一个或更多处理器可以读取和执行。
在这些实例中，程序代码418以功能性形式位于计算机可读介质420中，而且可以被加载到或被传输到数据处理系统400以被处理器单元执行，其中计算机可读介质420可以被选择性拆卸。程序代码418和计算机可读介质420共同形成计算机程序产品422。在这个示例性实例中，计算机可读介质420可以是计算机可读存储介质424或计算机可读信号介质426。
计算机可读存储介质424是用于存储程序代码418的物理的或有形存储设备而不是传播或传输程序代码418的媒介。计算机可读存储设备424可以是，例如，但不限于，与数据处理系统相连的光或磁盘或持续存储设备。
可替换地，使用计算机可读信号介质可以将程序代码418传输到数据处理系统400中。计算机可读信号介质426可以是，例如，包含程序代码418的传播的数据信号。该数据信号可以是电磁信号、光信号和/或一些其他能够通过物理和/或无线通信链路传输的信号。
图4所示的数据处理系统400并不意图提供可以实施这些示例性实施例的方式的结构限制。可以实施不同示例性实施例的数据处理系统包括附加组件或替代数据处理系统400所示的那些组件的组件。此外，图4中所示组件可以与所示实例中的不同。
本领域普通技术人员将理解，结合本文中所公开的示例所描述的各种说明性逻辑块、模块及过程可实施为电子硬件、计算机软件或两者的组合。此外，前述过程能够体现为计算机可读介质，其使处理器或计算机进行或执行某些功能。
为了清楚地说明硬件和软件的这种可交换性，上文通常就它们的功能对各种说明性的部件、框和模块进行了描述。该功能是被实现为硬件还是软件取决于特定的应用和施加于整个系统上的设计约束。本领域普通技术人员可以对每个特定的应用以不同方法来实现所描述的功能，但是这种实现决策不应解释为超出本公开的范围。
结合这里所公开的示例所描述的各种说明性的逻辑块、单元、模块和控制器可以利用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑器件、分立门或晶体管逻辑、分立硬件部件、或者设计为实现这里所描述的功能的任何组合来实现或者执行。通用处理器可以是微处理器，但是在替代方案中，处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器也可以实现为计算装置的组合，例如，DSP与微处理器的组合、多个微处理器、一个或更多个微处理器结合DSP核或者任何其他此类配置。
结合本文中公开的示例所描述的方法或过程的行为可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。方法或算法的步骤还可以与在示例中所提供的那些不同的替代顺序来执行。软件模块可以存在于RAM存储器、闪速存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移除介质、光学介质或者本领域已知的任何其他形式的存储介质中。示例性存储介质耦合到处理器，使得该处理器能够从/向该存储介质读写信息。在替代方案中，存储介质可以与处理器集成。处理器和存储介质可以驻留在专用集成电路(ASIC)中。
需要注意的是，公布本发明的一个实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (21)

1.一种移动物体追踪方法，包括如下步骤：
两个无线信号接收设备用天线阵列同时分别接收无线信号，并根据所述无线信号分别确定每根天线上采集的信道状态信息即CSI，其中，所述两个接收设备具有各自的均匀线性天线阵列，在所述两个接收设备中的每个接收设备上的三根天线构造成所述均匀线性天线阵列；
通过对所述每个接收设备的所述三根天线中的两根天线上分别采集的CSI进行处理，以分别确定移动物体在所述每个接收设备上引入的多普勒频移；
根据从所述每个接收设备的所述三根天线上采集的CSI，分别获得所述每个接收设备上的空间谱；
根据所确定的移动物体在所述每个接收设备上引入的所述多普勒频移和所述每个接收设备上获得的所述空间谱，确定移动物体的轨迹。
2.根据权利要求1所述的移动物体追踪方法，其中，对所述每个接收设备的所述三根天线中的两根天线上分别采集的CSI进行处理包括对所述每个接收设备的所述三根天线中的两根天线上分别采集的CSI进行共轭相乘。
3.根据权利要求1、2中任一项所述的移动物体追踪方法，其中，所述无线信号接收设备为Wifi信号接收设备或RFID读取器中的一种。
4.根据权利要求1、2中任一项所述的移动物体追踪方法，其中，所述均匀线性天线阵列的所述天线之间的间隔相等且不超过所述无线信号波长的一半。
5.根据权利要求2所述的移动物体追踪方法，其中，所述共轭相乘包括：在时刻t频率为f的载波上，所述两根天线上的CSI采样分别为：x1(f，t)、x2(f，t)，对x2(f，t)取共轭复数得到
Figure FDA0002319657150000011
并与x1(f，t)相乘，获得消除随机相移的CSI采样
Figure FDA0002319657150000012
6.根据权利要求2所述的移动物体追踪方法，其中，确定移动物体在所述每个接收设备上引入的所述多普勒频移进一步包括：
对于进行所述共轭相乘所得的多个消除随机相移的CSI采样[xc(f，t1)，...，xc(f，tM)]，其均值为
Figure FDA0002319657150000013
从每个所述消除随机相移的CSI采样中减去该均值，从而得到移除静态路径信号成分的CSI采样
Figure FDA0002319657150000021
Figure FDA0002319657150000022
其中M是CSI采样个数；
每个采样中各个子载波上的CSI作为快照，构造CSI矩阵，利用多重信号分类算法即MUSIC算法计算频率谱，从而得到相应的多普勒频移；再根据信号的中心频率、光速以及所述相应的多普勒频移得到相应的反射信号的路径长度变化速度，其中，所述频率谱的每个谱峰对应一条路径，
其中，如果所述频率谱的最高谱峰能量高于阈值，则选择所述最高谱峰对应的频率为移动物体引入的所述多普勒频移。
7.根据权利要求6所述的移动物体追踪方法，其中，所述阈值为静态环境下测量到的所有所述频率谱的所述最高谱峰能量的累积分布函数的90％所对应的能量。
8.根据权利要求6所述的移动物体追踪方法，其中，利用MUSIC算法计算频率谱包括：所述接收设备采集的多个所述移除静态路径信号成分的CSI采样构成天线阵列信号向量x(f)，并将其进行如下处理：
Figure FDA0002319657150000023
其中，M是所述移除静态路径信号成分的CSI采样的个数；每个所述移除静态路径信号成分的CSI采样包括K个子载波上的CSI；x(fk，t0+Δtm)是第m个移除静态路径信号成分的CSI采样在第k个子载波上的快照；Δtm是所述第m个移除静态路径信号成分的CSI采样和第1个移除静态路径信号成分的CSI采样的时间间隔，该信息可以根据采集到的所述CSI的时间戳来确定；L是空间中需要进行频率估计的路径数；v1是第1条路径的长度变化速度，其对应的多普勒频移为
Figure FDA0002319657150000024
f是所述无线信号的中心频率，c是光速；sl(fk)是第1条路径在第一次采样t0时在所述第k个子载波上的CSI，N(f)是噪声矩阵，A的每个列向量被称为一个导向向量，
其中，利用MUSIC算法以所述向量x(f)作为输入计算所述频率谱。
9.根据权利要求1所述的移动物体追踪方法，其中，所述获得所述每个接收设备上的所述空间谱包括：对于多个CSI采样，获得从所述三根天线采集的CSI，构成天线阵列信号向量x(t)，并将其进行如下处理：
Figure FDA0002319657150000031
其中，M是所述多个CSI采样的个数；N是所述每个接收设备的所述天线的个数，N＝3；xm(t)是第m根天线上采集到的CSI；L表示到达天线阵列的不同路径的信号数；θj表示第j条路径的信号到达接收设备的天线阵列的到达角度即AoA；sj(t)是第j条路径的信号到达接收设备天线阵列的第一根天线的衰减和相移；N(t)是噪声矩阵，
其中，利用MUSIC算法以所述向量x(t)作为输入计算所述空间谱。
10.根据权利要求1、2、7、8、9中任一项所述的移动物体追踪方法，其中，确定移动物体的所述轨迹包括：
将感知区域划分为多个方格；
计算每个所述方格作为轨迹起点时获得的轨迹的置信值，包括：当轨迹初始位置在所述多个方格中的一个方格时，
a.根据从所述两个接收设备获得的相应的反射信号的路径长度变化速度、所述两个接收设备的实际位置和发射设备的实际位置以及所述多个方格中的所述一个方格的位置，计算出移动物体的速度，因而计算移动物体在该段轨迹的第二个时刻时的位置，由此获得整段轨迹的多个位置；
b.在该段轨迹的第t个时刻点，通过MUSIC算法测得的所述两个接收设备上的所述空间谱，轨迹对应的移动物体相对所述接收设备的相应的AoA，则得到所述第t个时刻点的置信值，从而确定整段轨迹的置信值；
选择轨迹的置信值最高的位置作为轨迹的起始点，从而确定移动物体的所述轨迹。
11.一种移动物体追踪系统，包括：
两个无线信号接收设备，所述两个接收设备被构造具有各自的均匀线性天线阵列，其中，在所述两个接收设备中的每个接收设备上的三根天线构造成所述均匀线性天线阵列，其中，所述两个接收设备经配置用天线阵列同时分别接收无线信号，并根据所述无线信号分别确定每根天线上采集的信道状态信息即CSI；
存储器，其存储有指令；
处理器，其经配置执行所述指令以执行以下操作：
通过对所述每个接收设备的所述三根天线中的两根天线上分别采集的CSI进行处理，以分别确定移动物体在所述每个接收设备上引入的多普勒频移；
根据从所述每个接收设备的所述三根天线上采集的CSI，分别获得所述每个接收设备上的空间谱；
根据所确定的移动物体在所述每个接收设备上引入的所述多普勒频移和所述每个接收设备上获得的所述空间谱，确定移动物体的轨迹。
12.根据权利要求11所述的移动物体追踪系统，其中，对所述每个接收设备的所述三根天线中的两根天线上分别采集的CSI进行处理包括对所述每个接收设备的所述三根天线中的两根天线上分别采集的CSI进行共轭相乘。
13.根据权利要求11、12中任一项所述的移动物体追踪系统，其中，所述无线信号接收设备为Wifi信号接收设备或RFID读取器中的一种。
14.根据权利要求11、12中任一项所述的移动物体追踪系统，其中，所述均匀线性天线阵列的所述天线之间的间隔相等且不超过所述无线信号波长的一半。
15.根据权利要求12所述的移动物体追踪系统，其中，所述共轭相乘包括：在时刻t频率为f的载波上，所述两根天线上的CSI采样分别为：x1(f，t)、x2(f，t)，对x2(f，t)取共轭复数得到
Figure FDA0002319657150000041
并与x1(f，t)相乘，获得消除随机相移的CSI采样
Figure FDA0002319657150000042
16.根据权利要求12所述的移动物体追踪系统，其中，确定移动物体在所述每个接收设备上引入的所述多普勒频移进一步包括：
对于进行所述共轭相乘所得的多个消除随机相移的CSI采样[xc(f，t1)，...，xc(f，tM)]，其均值为
Figure FDA0002319657150000051
从每个所述消除随机相移的CSI采样中减去该均值，从而得到移除静态路径信号成分的CSI采样
Figure FDA0002319657150000052
Figure FDA0002319657150000053
其中M是CSI采样个数；
每个采样中各个子载波上的CSI作为快照，构造CSI矩阵，利用多重信号分类算法即MUSIC算法计算频率谱，从而得到相应的多普勒频移；再根据信号的中心频率、光速以及所述相应的多普勒频移得到相应的反射信号的路径长度变化速度，其中，所述频率谱的每个谱峰对应一条路径，
其中，如果所述频率谱的最高谱峰能量高于阈值，则选择所述最高谱峰对应的频率为移动物体引入的所述多普勒频移。
17.根据权利要求16所述的移动物体追踪系统，其中，所述阈值为静态环境下测量到的所有所述频率谱的所述最高谱峰能量的累积分布函数的90％所对应的能量。
18.根据权利要求16所述的移动物体追踪系统，其中，利用MUSIC算法计算频率谱包括：所述接收设备采集的多个所述移除静态路径信号成分的CSI采样构成天线阵列信号向量x(f)，并将其进行如下处理：
Figure FDA0002319657150000054
其中，M是所述移除静态路径信号成分的CSI采样的个数；每个所述移除静态路径信号成分的CSI采样包括K个子载波上的CSI；x(fk，t0+Δtm)是第m个移除静态路径信号成分的CSI采样在第k个子载波上的快照；Δtm是所述第m个移除静态路径信号成分的CSI采样和第1个移除静态路径信号成分的CSI采样的时间间隔，该信息可以根据采集到的所述CSI的时间戳来确定；L是空间中需要进行频率估计的路径数；v1是第1条路径的长度变化速度，其对应的多普勒频移为
Figure FDA0002319657150000055
f是所述无线信号的中心频率，c是光速；sl(fk)是第1条路径在第一次采样t0时在所述第k个子载波上的CSI，N(f)是噪声矩阵，A的每个列向量被称为一个导向向量，
其中，利用MUSIC算法以所述向量x(f)作为输入计算所述频率谱。
19.根据权利要求11所述的移动物体追踪系统，其中，所述获得所述每个接收设备上的所述空间谱包括：对于多个CSI采样，获得从所述三根天线采集的CSI，构成天线阵列信号向量x(t)，并将其进行如下处理：
Figure FDA0002319657150000061
其中，M是所述多个CSI采样的个数；N是所述每个接收设备的所述天线的个数，N＝3；xm(t)是第m根天线上采集到的CSI；L表示到达天线阵列的不同路径的信号数；θj表示第j条路径的信号到达接收设备的天线阵列的到达角度即AoA；sj(t)是第j条路径的信号到达接收设备天线阵列的第一根天线的衰减和相移；N(t)是噪声矩阵，
其中，利用MUSIC算法以所述向量x(t)作为输入计算所述空间谱。
20.根据权利要求11、12、17、18、19中任一项所述的移动物体追踪系统，其中，确定移动物体的所述轨迹包括：
将感知区域划分为多个方格；
计算每个所述方格作为轨迹起点时获得的轨迹的置信值，包括：当轨迹初始位置在所述多个方格中的一个方格时，
a.根据从所述两个接收设备获得的相应的反射信号的路径长度变化速度、所述两个接收设备的实际位置和发射设备的实际位置以及所述多个方格中的所述一个方格的位置，计算出移动物体的速度，因而计算移动物体在该段轨迹的第二个时刻时的位置，由此获得整段轨迹的多个位置；
b.在该段轨迹的第t个时刻点，通过MUSIC算法测得的所述两个接收设备上的所述空间谱，轨迹对应的移动物体相对所述接收设备的相应的AoA，则得到所述第t个时刻点的置信值，从而确定整段轨迹的置信值；
选择轨迹的置信值最高的位置作为轨迹的起始点，从而确定移动物体的所述轨迹。
21.一种计算机可读存储介质，其存储有经配置由处理器执行的指令，该指令使得计算机执行根据权利要求1-10中任一项所述的方法。
CN201710580420.5A 2017-07-17 2017-07-17 一种无接触感知追踪方法 Active CN107241698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710580420.5A CN107241698B (zh) 2017-07-17 2017-07-17 一种无接触感知追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710580420.5A CN107241698B (zh) 2017-07-17 2017-07-17 一种无接触感知追踪方法

Publications (2)

Publication Number Publication Date
CN107241698A CN107241698A (zh) 2017-10-10
CN107241698B true CN107241698B (zh) 2020-03-24

Family

ID=59991146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710580420.5A Active CN107241698B (zh) 2017-07-17 2017-07-17 一种无接触感知追踪方法

Country Status (1)

Country Link
CN (1) CN107241698B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109661029B (zh) 2017-10-11 2022-04-26 上海诺基亚贝尔股份有限公司 确定通信设备位置的方法、设备以及计算机可读介质
CN110412510A (zh) * 2018-04-26 2019-11-05 苏州触达信息技术有限公司 一种预定二维空间内的定位方法和定位系统
CN109257126B (zh) * 2018-08-30 2021-03-09 北京大学（天津滨海）新一代信息技术研究院 一种基于无线信号的室内活动探测方法及系统
CN109379707B (zh) * 2018-08-31 2020-09-01 北京大学（天津滨海）新一代信息技术研究院 一种基于无线信号的室内目标活动区域识别方法及系统
CN109171731B (zh) * 2018-09-04 2020-08-21 北京大学（天津滨海）新一代信息技术研究院 一种无接触呼吸检测方法
CN111405457B (zh) * 2018-12-29 2021-10-19 华为技术有限公司 位置感知方法和装置以及定位方法和装置
CN109959923B (zh) * 2019-04-12 2021-10-15 北京航空航天大学 一种基于wi-vi的信道分配技术的无人机追踪方法
CN113784288B (zh) * 2020-06-10 2022-09-30 北京大学 无接触活动区域识别方法、系统、计算机设备及存储介质
CN111988740B (zh) * 2020-08-14 2022-05-20 锐捷网络股份有限公司 一种AoA估计方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243303A (zh) * 2011-04-13 2011-11-16 电子科技大学 一种基于呼吸特征的静止人体穿墙定位方法
CN105573498A (zh) * 2015-12-15 2016-05-11 西北大学 一种基于Wi-Fi信号的手势识别方法
CN106231670A (zh) * 2016-06-20 2016-12-14 北京大学 一种无接触感知定位方法
CN106452687A (zh) * 2016-11-18 2017-02-22 清华大学 一种在体感游戏中识别运动方向的系统和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243303A (zh) * 2011-04-13 2011-11-16 电子科技大学 一种基于呼吸特征的静止人体穿墙定位方法
CN105573498A (zh) * 2015-12-15 2016-05-11 西北大学 一种基于Wi-Fi信号的手势识别方法
CN106231670A (zh) * 2016-06-20 2016-12-14 北京大学 一种无接触感知定位方法
CN106452687A (zh) * 2016-11-18 2017-02-22 清华大学 一种在体感游戏中识别运动方向的系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
RT-Fall:A Real-Time and Contactless Fall Detection System with Commodity WiFi Devices;Hao Wang,Daqing Zhang;《IEEE TRANSACTIONS ON MOBILE COMPUTING》;20170201;全文 *

Also Published As

Publication number Publication date
CN107241698A (zh) 2017-10-10

Similar Documents

Publication Publication Date Title
CN107241698B (zh) 一种无接触感知追踪方法
US10630403B2 (en) Method for determining a doppler frequency shift of a wireless signal directly reflected by a moving object
Xie et al. mD-Track: Leveraging multi-dimensionality for passive indoor Wi-Fi tracking
Qian et al. Widar2. 0: Passive human tracking with a single Wi-Fi link
Wang et al. D-watch: Embracing" bad" multipaths for device-free localization with COTS RFID devices
Feng et al. WiMi: Target material identification with commodity Wi-Fi devices
US20180143284A1 (en) Angle of arrival detection system and method
WO2018160141A1 (en) Apparatus and method for localisation and/or tracking
US10327221B1 (en) Super-resolution technique for time-of-arrival estimation
CN107390172B (zh) 一种无接触感知定位方法
CN107396311B (zh) 一种无接触感知定位方法
US11729583B2 (en) Systems and methods for TOA and DOA acquisition and tracking for signal of opportunity positioning
WO2017219603A1 (zh) 运动物体反射无线信号的识别方法
Wang et al. TWPalo: Through-the-wall passive localization of moving human with Wi-Fi
JP2018112539A (ja) センサおよび位置推定方法
Wang et al. Through the wall detection and localization of autonomous mobile device in indoor scenario
Wan et al. A high precision indoor positioning system of BLE AOA based on ISSS algorithm
WO2023116590A1 (zh) 感知、感知配置方法、装置及通信设备
Yang et al. Phase Calibration Based Three-Dimensional Beamspace Matrix Pencil Algorithm for Indoor Passive Positioning and Tracking
US20230141843A1 (en) Method, system, device and storage medium for non-contact velocity estimation of a moving target
CN114679356A (zh) 一种不依赖于似然函数的信道全维参数提取方法
US11561279B2 (en) Radar estimating method, device and medium to extract living body vector information
Tsakalaki et al. On application of the correlation vectors subspace method for 2-dimensional angle-delay estimation in multipath ofdm channels
Suraweera et al. A passive tracking system with decimeter-level accuracy using IEEE 802.11 signals
Guan et al. Experimental Accuracy Comparison for 2.4 GHz and 5GHz WiFi Sensing Systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant