CN108387940B - 一种基于Wi-Fi无线感知的室内移动物体检测方法 - Google Patents
一种基于Wi-Fi无线感知的室内移动物体检测方法 Download PDFInfo
- Publication number
- CN108387940B CN108387940B CN201810067750.9A CN201810067750A CN108387940B CN 108387940 B CN108387940 B CN 108387940B CN 201810067750 A CN201810067750 A CN 201810067750A CN 108387940 B CN108387940 B CN 108387940B
- Authority
- CN
- China
- Prior art keywords
- signal
- receiver
- receiving antenna
- value
- phase difference
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
Abstract
本发明提供了一种基于Wi‑Fi无线感知的室内移动物体检测方法,包括以下步骤:在检测区域中布设Wi‑Fi发射器和接收器,其中发射器不断发射Wi‑Fi信号,接收器以设定的频率不断接收所述Wi‑Fi信号,并从接收到的Wi‑Fi信号中解析出CSI数据;计算所述CSI数据的幅值信息,并分析接收器的各个接收天线上的CSI幅值波动,判断所述各个接收天线上的CSI幅值是否存在相位差,若存在相位差则判定所述检测区域中有移动物体,若无相位差则判定所述检测区域中没有移动物体。本发明方法可以有效解决由周围电磁环境或其他设备干扰产生的随机分布在各个接受天线上的随机噪声干扰、由设备自身电压水平变化等引起的在各接收天线上具有互相关性的互相关噪声的干扰以及室内多径效应的干扰。
Description
技术领域
本发明涉及公共安全技术领域,涉及一种移动物体检测和信号分析处理方法,具体涉及一种基于Wi-Fi无线感知的室内移动物体检测方法。
背景技术
通信网络的快速发展以及情景感知服务需求的不断增长促使了移动物体检测系统领域的诸多重大研究工作的出现。其在移动计算领域有着广泛应用需求,例如,博物馆可以利用其感知入侵者并发起警报,智能家居环境中可以识别人体活动并在夜间打开灯。目前已经有了一些移动物体检测系统,诸如基于视频的方法,基于红外线的方法,基于压力传感器的方法以及基于RFID的方法。尽管这些方法都能提供比较满意的检测精度,但他们都需要使用专门的硬件设施从而增加广泛部署的成本。此外,基于视频和红外线的方法只能提供视距范围内的监测,从而产生了全方位覆盖问题,并且摄像机在光线条件差时会失效。目前Wi-Fi设备已经广泛存在于人们的日常生活空间之中,具有高普及与低成本等特性,因而大量学者开始研究基于Wi-Fi信号的测量技术,例如室内定位、手势识别等。但在室内环境中,RSSI会因信号的多路径传播引起小尺度阴影衰落而不再随传播距离增加而单调递减,同时,多路径传播也会导致RSSI振幅波动,这种波动也会导致RSSI作为信号指纹进行匹配时,误差较大。近年来,信道状态信息(Channel State Information,CSI)开始受到人们的重视,其包含多个子载波信息,每一个子载波信息中都包含着信号的衰减和相移等信息,因而对周围物体移动引起的环境变化更加敏感。
目前,CSI已被应用于高精度室内定位、人类活动识别和人群数量统计等领域。其中,在移动物体检测方法(包括定位及活动识别中的人体运动判断)上,基于Wi-Fi CSI的方法主要分为三类:一类利用移动物体会使信号的幅值或相位发生波动,通过使用构造各类特征表征波动大小,并设定阈值判断是否有物体移动;另一类是基于指纹库识别的思想,即收集环境中无人情况下的信号分布情况,通过计算当前环境中信号分布与无人情况下的信号分布的相似度判断当前环境中是否有移动物体。最后一类是在定位中,使用空间谱估计算法估计人体反射信号的到达角,通过判断是否存在不断移动的方向到达角判断是否有人活动。
第一类方法易受环境中信号噪声水平的影响,很难选择合适的阈值使系统既能保证高准确率又可以保证低误警率。后两者易受多径效应影响,其中第二类方法中,训练好的模型在检测环境发生改变时,效果会大大下降。第三类方法在室内环境比较复杂时,空间中会存在大量反射路径信号,而要对这些信号入射角进行估计并发掘移动人体反射的信号入射角是十分困难的,尤其对于Wi-Fi信号这种带宽比较窄的信号,因此该类方法多限制于比较空旷的环境中。因此,现存方法在鲁棒性上有着比较大的缺陷。
发明内容
针对上述现有方法存在的缺陷,本发明的目的是提供一种基于Wi-Fi信号的非接触式、被动感知的具有高鲁棒性的移动物体检测方法,该方法通过分析各个接收天线上CSI数据的幅值波动间是否存在相位差来判断环境中是否存在移动物体,能可以有效解决互相关噪声问题以及多径效应影响。
为了实现上述任务,本发明采用以下技术方案:
一种基于Wi-Fi无线感知的室内移动物体检测方法,包括以下步骤:
在检测区域中布设Wi-Fi发射器和接收器,其中发射器不断发射Wi-Fi信号,接收器以设定的频率不断接收所述Wi-Fi信号,并从接收到的Wi-Fi信号中解析出CSI数据;
计算所述CSI数据的幅值信息,并分析接收器的各个接收天线上的CSI幅值波动,判断所述各个接收天线上的CSI幅值是否存在相位差,若存在相位差则判定所述检测区域中有移动物体,若无相位差则判定所述检测区域中没有移动物体。
进一步地,所述的方法还包括:
当判定检测区域中有移动物体时,所述的接收器发出报警信号,或接收器通过报警装置发出报警信号。
进一步地,所述的接收器具有至少三根接收天线。
进一步地,所述的发射器和接收器布设在检测区域的两个对角处。
进一步地,所述的发射器为具有Wi-Fi信号发射能力的电子设备,所述的接收器为安装有无线网卡的智能终端。
进一步地,所述的分析接收器的各个接收天线上的CSI幅值波动,具体包括:
a.将所述接收器的所有接收天线接收到的CSI数据的幅值组成矩阵X;
b.根据所述的矩阵X,构建协方差矩阵的估计值RX:
上式中,N为接收天线在1s内采样的个数,H表示矩阵共轭转置,i表示第i个采样时间点,X(i)表示矩阵X的第i列;
c.对所述的估计值RX进行特征值分解得到Rs,其中Rs中包含M个特征值;
RX和分解后得到的Rs之间的关系可通过下面的式2表示:
RX=ARsAH 式2
上式中,A表示分解得到的M个特征向量组成的M×M维矩阵,Rs为以M 个特征值为主对角线的M×M维矩阵;
d.经上述特征值分解后,将Rs中包含的M个特征值按从大到小的顺序进行排列,设定所需要预估的相位差个数D,将所述排列后的特征值中,前 D个特征值所对应的特征向量vi,i=1,2,...,D看作信号部分空间,将剩下的 M-D个特征值对应的特征向量vj,j=D+1.D+2,...,M看作噪声部分空间,构建噪声矩阵En:
En=[vD+1,vD+2,...,vM] 式3
e.根据下面的公式计算谱函数Pmu(θ):
α(θ)=[1,φ1(θ),φ2(θ),...,φM-1(θ)]T 式5
其中,f为Wi-Fi信号的中心频率,d为接收天线间的间距,c为波的传播速度,这里即为光速的取值;T表示矩阵的转置,j表示复数的虚部,i表示对M-1 个数字进行计数;
使θ从0到90整数变化,计算在各个角度上的谱函数值。
进一步地,所述的判断所述各个接收天线上的CSI幅值是否存在相位差,具体包括:
对每一个θ值,判断谱函数Pmu(θ)的数值变化,设定阈值ω,如果在θ≠0的位置出现谱峰,并且谱峰值大于ω,则判定检测区域中有移动物体。
进一步地,所述的阈值ω的取值范围为-5~-3。
本发明与现有技术相比具有以下技术特点:
本发明的原理是,当环境中有物体移动时,接收端信号的幅值会出现类似于正弦信号的波动,而接收天线阵列的各个接收天线上的信号幅值波动间具有基本相同的频率但具有不同的相位,即存在相位差。而当没有移动物体出现时,接收端信号都可以近似为直线形式,即不存在相位差。通过判断各接收天线上的信号幅值波动间是否存在相位差,即可有效判断环境中是否存在移动物体。同时,该方法可以有效解决由周围电磁环境或其他设备干扰产生的随机分布在各个接收天线上的随机噪声干扰、由设备自身电压水平变化等引起的在各接收天线上具有互相关性的互相关噪声的干扰以及室内多径效应的干扰。
附图说明
图1为本发明方法的流程图;
图2为环境中有无移动物体存在情况下,两个接收天线上同一维子载波的幅值波动图,其中(a)为环境中有物体时,(b)为环境中没有物体时;
图3为环境中有无移动物体存在情况下,得到的谱函数分布图,其中(a) 为环境中有物体时,(b)为环境中没有物体时。
具体实施方式
以下结合附图对本发明的技术方案进行详细的解释说明。
参见图1,本发明提供了一种基于Wi-Fi无线感知的室内移动物体检测方法,包括以下步骤:
步骤1,在检测区域中布设Wi-Fi发射器和接收器,其中发射器不断发射 Wi-Fi信号,接收器以设定的频率不断接收所述Wi-Fi信号,并从接收到的Wi-Fi 信号中解析出CSI数据;
所述的发射器为具有Wi-Fi信号发射能力的电子设备,例如路由器、具有Wi-Fi热点功能的手机、笔记本电脑等;所述的接收器为安装有无线网卡的智能终端,例如手机、笔记本电脑等。本实施例中,使用TP-LINK TLWR1043ND无线路由器作为发射器,发射频率为2.4GHZ;安装有Intel 5300NIC(Network Interface Controller)的Thinkpad X200笔记本电脑作为接收器,操作系统为Ubuntu 12.04。发射器有一根天线,接收器有三根天线。
本实施例中,电脑和路由器放置在检测区域的两个对角处,信号采集频率为100sample/s。本实施例中,检测区域为居室,采用对角的方式布设发射器和接收器,可有效地实现对整个检测区域的信号覆盖。
步骤2,计算所述CSI数据的幅值信息,并分析接收器的各个接收天线上的 CSI幅值波动;
根据菲涅尔区原理,Wi-Fi信号从发射端到达接收端,除了视距路径之外,还有通过物体反射的反射路径,因此接收端信号是视距路径信号和各个反射路径信号的叠加。而信号经由物体反射之后,信号的相位会改变π,同时在物体移动导致该路反射信号的传播路径改变半个波长时,反射信号的相位同样会改变π。因此,当有物体在环境中移动时,会造成经由该物体反射的到达接收端的信号的传播路径不断地改变半个波长的距离,从而使该反射信号相位不断改变π,在与其他静态路径信号叠加时,使总接收信号的幅值产生类似于正弦函数的波动。在接收端各个天线位置相隔一定的距离时,各天线上接收到的信号的幅值波动不同步,即存在相位差。而在环境中没有物体移动时,则各反射路径的长度保持不变,使各反射信号的相位恒定,进而总的叠加信号的幅值不变,从而各个接收天线上接收到的信号的幅值都可以近似拟合为直线,此时,可以认为各天线上接收到的信号的幅值波动不存在相位差。如图2所示。此外,当设备电压水平变化等因素引起的互相关噪声产生时,由于其影响同时作用于各接收天线信号,因此该噪声引起的信号幅值波动在各个接收天线上不存在相位差。同时,由于天线之间的间隔远小于传播路径的长度,因此可以认为多径效应对每个天线上信号的影响是相同的,即每个天线上信号幅值的波动具有相同的频率,其相位差也不会受多径效应的影响。综上,通过分析各个接收天线上CSI数据的幅值波动间是否存在相位差来判断环境中是否存在移动物体的方法可以有效解决互相关噪声问题以及多径效应影响。
本发明提供了一种CSI幅值波动分析方法,该方法对随机噪声具有较好的抗干扰能力,包括以下步骤:
本实施例中,输入信号为以1s为时间窗口的3个接收天线接收到的信号幅值组成的矩阵X,由于每个接收天线都可以接收30个子载波的数据,因此,矩阵X行数M=3*30=90。
a.将所述接收器的所有接收天线接收到的CSI数据的幅值组成矩阵X;
b.根据所述的矩阵X,构建协方差矩阵的估计值RX:
上式中,N为接收天线在1s内采样的个数,H表示矩阵共轭转置,i表示第i个采样时间点,X(i)表示矩阵X的第i列;
c.对所述的估计值RX进行特征值分解得到Rs,其中Rs中包含M个特征值;
RX和分解后得到的Rs之间的关系可通过下面的公式2表示:
RX=ARsAH 式2
上式中,A表示分解得到的M个特征向量组成的M×M维矩阵,Rs为以M 个特征值为主对角线的M×M维矩阵;
d.经上述特征值分解后,将Rs中包含的M个特征值按从大到小的顺序进行排列,设定所需要预估的相位差个数D,将所述排列后的特征值中,前D个特征值所对应的特征向量vi,i=1,2,...,D看作信号部分空间,后续没有对其应用,因此直接舍去;将剩下的M-D个特征值对应的特征向量vj,j=D+1.D+2,...,M看作噪声部分空间,构建噪声矩阵En:
En=[vD+1,vD+2,...,vM] 式3
本实施例中,所述的相位差个数D取值为矩阵X(i)行数M的1/3,即30。
e.根据下面的公式计算谱函数Pmu(θ):
α(θ)=[1,φ1(θ),φ2(θ),...,φM-1(θ)]T 式5
其中,f为Wi-Fi信号的中心频率,d为接收天线间的间距,c为波的传播速度,这里即为光速的取值;T表示矩阵的转置,j表示复数的虚部,i表示对M-1 个数字进行计数;
使θ从0到90整数变化,计算在各个角度上的谱函数值。环境中有无移动物体存在情况下,谱函数分布图如图3所示。
步骤3,判断所述各个接收天线上的CSI幅值是否存在相位差,若存在相位差则判定所述检测区域中有移动物体,若无相位差则判定所述检测区域中没有移动物体。
具体过程为,对每一个(即使θ从0到90整数变化时)θ值,判断谱函数Pmu(θ) 的数值变化,设定阈值ω,如果在θ≠0的位置出现谱峰(即对应的谱函数值),并且谱峰值大于ω,则判定检测区域中有移动物体;否则认为检测区域中没有移动物体。谱函数值计算出来结果为负值,经发明人实验验证,阈值一般设为-5~-3 之间较为合适。
可选地,本发明还包括:
步骤4,当判定检测区域中有移动物体时,所述的接收器启动相关服务,例如发出报警信号,或接收器通过报警装置发出报警信号;所述的接收器为笔记本电脑、手机时,当检测区域中有移动物体时,可通过扬声器发出报警信号;也可以在所述的接收器上连接声光报警装置,通过声光报警装置进行报警。
现有技术中的基于方向到达角(angle of arrive,AoA)估计的室内定位方法中,为确定移动人体反射信号的方向到达角所采用的方法。其相同点在于都是通过估计数据中的相位差从而达到对应目的(定位方法目的是确定方向到达角,本方法的目的为确定幅值波动有无相位差)。但方法的思想和原理有着很大的不同。其具体如下:
基于AoA估计的室内定位方法其基本思想是通过估计移动人体反射的信号到达多个接收节点的方向,反向推算出移动人员的位置。方向到达角估计的原理为某一传播路径的信号在到达接收天线阵列(多个接收天线)中不同的接收天线时,存在波程差,这个波程差的存在会使各个接收天线接收到的该路径信号(不是幅值)间存在相位差,而这个相位差与该路径信号的到达接收天线阵列的入射角有一定的相关关系,通过采用矩阵特征分析的方法,可以利用这个相位差的存在估计出信号的方向到达角。而本发明方法的基本思想是环境中有物体移动时,接收端信号接收到的总信号(各个反射路径信号及视距路径信号的叠加)的幅值 (对原信号取模)会出现类似于正弦函数的波动,而这个波动在各个接收天线上不是同步的(即也存在相位差),我们同样利用了矩阵特征分析的方式对这个相位差进行了估计。
本发明为基于Wi-Fi CSI所提出来的移动物体检测的新方法,利用物体移动时,各接收天线接收到的CSI信号的幅值波动存在相位差;而环境中没有物体移动时,各接收天线接收到的CSI信号的幅值波动不存在相位差的特点,有效解决了基于Wi-Fi信号进行移动物体检测遇到的随机噪声干扰问题、互相关噪声干扰问题以及多径问题的影响。漏检率在1%左右,误检率低于0.5%。
Claims (6)
1.一种基于Wi-Fi无线感知的室内移动物体检测方法,其特征在于,包括以下步骤:
在检测区域中布设Wi-Fi发射器和接收器,其中发射器不断发射Wi-Fi信号,接收器以设定的频率不断接收所述Wi-Fi信号,并从接收到的Wi-Fi信号中解析出CSI数据;
计算所述CSI数据的幅值信息,并分析接收器的各个接收天线上的CSI幅值波动,判断所述各个接收天线上的CSI幅值是否存在相位差,若存在相位差则判定所述检测区域中有移动物体,若无相位差则判定所述检测区域中没有移动物体;
所述的分析接收器的各个接收天线上的CSI幅值波动,具体包括:
a.将所述接收器的所有接收天线接收到的CSI数据的幅值组成矩阵X;
b.根据所述的矩阵X,构建协方差矩阵的估计值RX:
上式中,N为接收天线在1s内采样的个数,H表示矩阵共轭转置,i表示第i个采样时间点,X(i)表示矩阵X的第i列;
c.对所述的估计值RX进行特征值分解得到Rs,其中Rs中包含M个特征值;
RX和分解后得到的Rs之间的关系可通过下面的公式2表示:
RX=ARsAH 式2
上式中,A表示分解得到的M个特征向量组成的M×M维矩阵,Rs为以M个特征值为主对角线的M×M维矩阵;
d.经上述特征值分解后,将Rs中包含的M个特征值按从大到小的顺序进行排列,设定所需要预估的相位差个数D,将所述排列后的特征值中,前D个特征值所对应的特征向量vi,i=1,2,...,D看作信号部分空间,将剩下的M-D个特征值对应的特征向量vj,j=D+1.D+2,...,M看作噪声部分空间,构建噪声矩阵En:
En=[vD+1,vD+2,...,vM] 式3
e.根据下面的公式计算谱函数Pmu(θ):
α(θ)=[1,φ1(θ),φ2(θ),...,φM-1(θ)]T 式5
其中,f为Wi-Fi信号的中心频率,d为接收天线间的间距,c为波的传播速度,这里即为光速的取值;T表示矩阵的转置,j表示复数的虚部,i表示对M-1个数字进行计数;
使θ从0到90整数变化,计算在各个角度上的谱函数值;
所述的判断所述各个接收天线上的CSI幅值是否存在相位差,具体包括:
对每一个θ值,判断谱函数Pmu(θ)的数值变化,设定阈值ω,如果在θ≠0的位置出现谱峰,并且谱峰值大于ω,则判定检测区域中有移动物体。
2.如权利要求1所述的基于Wi-Fi无线感知的室内移动物体检测方法,其特征在于,所述的方法还包括:
当判定检测区域中有移动物体时,所述的接收器发出报警信号,或接收器通过报警装置发出报警信号。
3.如权利要求1所述的基于Wi-Fi无线感知的室内移动物体检测方法,其特征在于,所述的接收器具有至少三根接收天线。
4.如权利要求1所述的基于Wi-Fi无线感知的室内移动物体检测方法,其特征在于,所述的发射器和接收器布设在检测区域的两个对角处。
5.如权利要求1所述的基于Wi-Fi无线感知的室内移动物体检测方法,其特征在于,所述的发射器为具有Wi-Fi信号发射能力的电子设备,所述的接收器为安装有无线网卡的智能终端。
6.如权利要求1所述的基于Wi-Fi无线感知的室内移动物体检测方法,其特征在于,所述的阈值ω的取值范围为-5~-3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067750.9A CN108387940B (zh) | 2018-01-24 | 2018-01-24 | 一种基于Wi-Fi无线感知的室内移动物体检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810067750.9A CN108387940B (zh) | 2018-01-24 | 2018-01-24 | 一种基于Wi-Fi无线感知的室内移动物体检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108387940A CN108387940A (zh) | 2018-08-10 |
CN108387940B true CN108387940B (zh) | 2019-10-11 |
Family
ID=63076359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810067750.9A Active CN108387940B (zh) | 2018-01-24 | 2018-01-24 | 一种基于Wi-Fi无线感知的室内移动物体检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108387940B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2020093278A1 (zh) * | 2018-11-07 | 2020-05-14 | 华为技术有限公司 | 一种基于多天线的手势识别方法及装置 |
CN110297214A (zh) * | 2019-07-17 | 2019-10-01 | 南京航空航天大学 | 多互质阵列协同室内辐射源定位装置和方法 |
CN111542006A (zh) * | 2020-04-02 | 2020-08-14 | 浙江工业大学 | 一种基于无线射频信号的物体识别方法 |
CN111741471B (zh) * | 2020-06-11 | 2024-03-22 | 深圳市三旺通信股份有限公司 | 基于csi的入侵检测方法、装置及计算机存储介质 |
CN113054491B (zh) * | 2021-03-08 | 2022-07-05 | 常州百芝龙智慧科技有限公司 | 一种基于Wi-Fi人体移动侦测的AI插座系统 |
CN113132917B (zh) * | 2021-04-15 | 2022-04-01 | 成都极米科技股份有限公司 | 感知进程中发送和接收感知信号的方法、装置及存储介质 |
CN113570835A (zh) * | 2021-07-01 | 2021-10-29 | 上海创功通讯技术有限公司 | 一种移动设备丢失报警方法及其装置 |
CN114487471B (zh) * | 2022-01-26 | 2022-11-01 | 大连理工大学 | 一种基于无线网络的非接触式转速测量系统及方法 |
CN114743330B (zh) * | 2022-03-16 | 2023-04-07 | 大连理工大学 | 一种基于wi-fi信道状态信息的博物馆安全防护系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105933080B (zh) * | 2016-01-20 | 2020-11-03 | 北京大学 | 一种跌倒检测方法和系统 |
CN107025751B (zh) * | 2017-03-10 | 2018-05-08 | 深圳大学 | 基于无线信号传输的室内火情探测和报警的方法及其系统 |
CN107037422A (zh) * | 2017-05-11 | 2017-08-11 | 西北大学 | 一种面向多重应用的被动式定位方法 |
-
2018
- 2018-01-24 CN CN201810067750.9A patent/CN108387940B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108387940A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108387940B (zh) | 一种基于Wi-Fi无线感知的室内移动物体检测方法 | |
Kaemarungsi | Design of indoor positioning systems based on location fingerprinting technique | |
Yang et al. | Locating in fingerprint space: Wireless indoor localization with little human intervention | |
Zhang et al. | Advancing wireless link signatures for location distinction | |
Huang et al. | Indoor device-free activity recognition based on radio signal | |
US8525725B2 (en) | Method and system for position and track determination | |
CN102883360B (zh) | 一种室内无线全向被动用户检测的方法及系统 | |
Xu et al. | TRIEDS: Wireless events detection through the wall | |
CN106411433B (zh) | 一种基于wlan的细粒度室内被动入侵检测方法 | |
CN109672485A (zh) | 基于信道状态信息室内人员实时入侵及运动速度检测方法 | |
CN104394588A (zh) | 基于Wi-Fi指纹和多维尺度分析的室内定位方法 | |
Hao et al. | A method for improving UWB indoor positioning | |
Yang et al. | Cascaded regional people counting approach based on two-dimensional spatial attribute features using MIMO radar | |
Chen et al. | Spatio-temporal fingerprint localization for shipboard wireless sensor networks | |
Farnham | Indoor localisation of iot devices by dynamic radio environment mapping | |
CN109031193B (zh) | 一种基于信号到达方向的室内非法信号源定位系统及方法 | |
Gong et al. | WiSal: ubiquitous WiFi-based device-free passive subarea localization without intensive site-survey | |
Masek et al. | Improving the precision of wireless localization algorithms: ML techniques for indoor positioning | |
Zhou et al. | Unmanned aerial vehicle detection based on channel state information | |
Fan et al. | WiVi: WiFi-video cross-modal fusion based multi-path gait recognition system | |
Viani et al. | Opportunistic exploitation of wireless infrastructures for homeland security | |
Zhao et al. | EMoD: Efficient motion detection of device-free objects using passive RFID tags | |
CN106162620B (zh) | 一种基于信道多普勒效应的主用户仿真攻击检测方法 | |
Wu et al. | A drone localization system based on multiple time delays fusion | |
Yang et al. | WiHumo: a real-time lightweight indoor human motion detection |
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 |