CN108700652A - 用于无线事件检测和监控的方法、装置和系统 - Google Patents

Abstract

用于检测事件的装置，包括处理器和存储指令的存储设备，指令当由处理器执行时使处理器训练分类器，该分类器用于对信道状态信息(CSI)分类并基于在监控阶段期间得到的CSI的分类来检测事件。分类器的训练包括：对于待检测的每个已知事件，在已知事件发生在场所中时的时间段期间，得到在场所中的无线发射机和无线接收机之间的无线多径信道的训练CSI，其中训练CSI从通过无线多径信道从发射机发送到接收机的一个或多个探测信号得到，以及基于已知事件和与每个事件相关联的训练CSI来训练分类器。

Description

用于无线事件检测和监控的方法、装置和系统

相关申请的交叉引用

本申请要求2015年12月9日提交的美国申请62/265,155、2016年3月11日提交的美国申请62/307,081(0033P01)、2016年4月1日提交的美国申请62/316,850(0033P02)、2016年9月2日提交的美国申请62/383,235(0036P01)和2016年10月21日提交的美国申请62/411,504的优先权。上面的申请的全部内容通过引用被并入本文。

技术领域

本公开涉及无线安全/监视应用。更具体地，本公开涉及用于基于使用无线信号的时间反演技术的事件检测、运动检测的方法、装置和系统。

背景技术

当前的室内监视系统主要依赖于监控室内物体的状态的接触传感器和检测人类运动的存在的无源红外传感器(PIR)。在一些例子中，为了使场所安全，几个传感器需要被部署且需要视线(LOS)环境来检测运动。在没有用户反馈的帮助的情况下，现有的系统不学习或更新其自身。目前，大部分家庭/办公室安全系统由控制面板、接触传感器和PIR组成。接触传感器是使用磁性或电流来检测接触是否被建立或破坏并被广泛地安装在门和窗户上以监控它们的打开和关闭活动的设备。PIR传感器通过跟踪在所接收的红外波中的变化来检测在环境中的可产生热的移动物体。在一些例子中，每个传感器具有监控的有限覆盖，因为接触传感器需要附着到门且PIR传感器需要视线来检测移动的物体。而且，当在保护场所时更多的事件应被检测时，成本明显增加。

最近，使用无线信号进行感测以检测室内事件和活动得到很多注意。因为所接收的射频(RF)信号可被传播环境改变，无设备室内感测系统能够通过在所接收的RF信号中的变化来监控在环境中的活动。可用于在用于室内事件检测的信号传输期间识别变化的RF信号的特征的例子包括接收信号强度(RSS)和信道状态信息(CSI)。由于其对环境变化的易感性，RSS指示器(RSSI)可应用于指示并进一步识别室内活动。在一些商业设备中，信道状态信息现在是可访问的。

从雷达技术采用在无设备室内监控器系统中的另一类别的技术以使用它们的反射来跟踪目标。雷达技术可通过使用超宽带(UWB)感测来识别在通过不同路径的无线信号的飞行时间(ToF)中的亚纳秒的延迟。

然而，上面提到的用于室内监控器系统的技术具有限制。首先，用于区分开不同的室内事件和物体的接收信号强度指示的分辨率很低，因为接收信号强度指示作为标量只具有单个自由度，并严重地被多径效应影响。在基于接收信号强度指示的系统中，室内检测的性能以部署多个感测设备或天线为代价被保证。而且，大部分基于信道状态信息的室内感测系统只依赖于信道状态信息的振幅，而相位信息被丢弃，不管它是多么有教益。另一方面，为了获取不同的ToF信息，基于雷达的技术在1GHz带宽上消耗以感测不能通过商业WiFi设备实现的环境，且从传感器得到的结果常常需要进一步的工作来检测室内事件的类型。

发明内容

在一个一般方面中，提供用于检测多个事件的装置。装置包括处理器和存储一组指令的存储设备，指令当由处理器执行时使处理器训练至少一个分类器，该至少一个分类器配置成对信道状态信息分类并基于信道状态信息的分类来检测事件。至少一个分类器的训练包括：对于要由装置检测的多个已知事件中的每个，在已知事件在场所中发生的时间段期间，获得在场所中的无线发射机和无线接收机之间的无线多径信道的至少一组训练信道状态信息(CSI)，其中从通过无线多径信道从无线发射机发送到无线接收机的至少一个第一探测信号获得所述至少一组训练信道状态信息；以及基于多个已知事件和与多个事件中的每个相关联的至少一组训练信道状态信息来训练至少一个分类器。处理器还执行：在当前事件发生时的时期期间，接收在无线发射机和无线接收机之间的无线多径信道的一组实测信道状态信息，其中从通过无线多径信道从无线发射机发送并在无线接收机处接收的至少一个第二探测信号获得所述一组实测信道状态信息；以及将分类器应用于从所述一组实测信道状态信息获得的数据以确定已知事件中的哪个匹配当前事件。

在另一一般方面中，提供用于消除在估计信道状态信息(CSI)中的相位偏移残差的方法。该方法包括从设备接收无线信号；估计由采样频率偏移(SFO)和符号定时偏移(STO)产生的在估计信道状态信息中的线性相位偏移；估计由载波频率偏移(CFO)产生的在信道状态信息中的公共相位偏移；以及在接收机处获得干净的信道状态信息而不参考任何参考信道状态信息。

在另一一般方面中，提供用于使用WiFi信号来监控事件的方法。该方法包括：对于可在场所中发生的多个已知事件中的每个，收集关于在已知事件发生时的至少一个时间段期间从发射机发送到在场所中的接收机的WiFi信号的特性的第一信息，其中WiFi信号符合IEEE 802.11标准；以及监控场所，包括确定关于在第二时间段期间在所述场所中的从发射机发送到接收机的WiFi信号的特性的第二信息，比较第二信息与第一信息，或比较从第二信息获得的数据与从第一信息获得的数据；以及基于该比较来确定已知事件中的哪个在第二时间段期间发生在场所处。关于WiFi信号的特性的第一信息包括从在第一时间段期间自发射机发送到接收机的WiFi信号获得的至少第一组信道状态信息，以及关于WiFi信号的特性的第二信息包括从在第二时间段期间自发射机发送到接收机的WiFi信号获得的至少第二组信道状态信息。比较第二信息与第一信息包括比较第二组信道状态信息与第一组信道状态信息。比较从第二信息获得的数据与从第一信息获得的数据包括比较从第二组信道状态信息获得的数据与从第一组信道状态信息获得的数据。

在另一一般方面中，提供用于使用WiFi信号来监控事件的方法。该方法包括：对于可在场所中发生的多个已知事件中的每个，在已知事件发生时的至少一个时间段期间在场所中将至少一个WiFi信号从发射机传输到接收机，其中WiFi信号符合IEEE 802.11标准；对于在接收机处接收的每个WiFi信号，从WiFi信号估计一组信道状态信息，其中所述一组信道状态信息与关联于WiFi信号的已知事件相关联；以及使用主分量分析基于已知事件和与已知事件相关联的多组信道状态信息来训练分类器。该方法包括在监控阶段期间在第二时间段期间将至少一个WiFi信号从发射机传输到接收机，从在第二时间段期间在接收机处接收的WiFi信号确定第二组信道状态信息，以及将分类器应用于第二组信道状态信息或从第二组信道状态信息获得的数据以确定已知事件中的哪个在第二时间段期间发生。

附图说明

图1A是示出用于操作时间反演系统的示例性环境的图。

图1B是示例性记录信道响应波形的图形。

图1C是通过相对于时间反演图1B的波形来产生示例性时间反演波形的图形。

图2A是用于多门打开/关闭检测的示例性环境设置的图形。

图2B是用于在人走来走去的情况下对门打开/关闭检测的示例性环境设置的图形。

图3是示出待监控的环境的示例性平面布置图的图形。

图4A是示出TX-RX配置I的目标事件的接收机操作特性(ROC)的图形。

图4B是示出TX-RX配置I的所有室内事件的接收机操作特性的图形。

图5A是示出TX-RX配置II的目标事件的接收机操作特性的图形。

图5B是示出TX-RX配置II的所有室内事件的接收机操作特性的图形。

图6A是示出e1(所有门关闭)的检测的图形。

图6B是示出事件e4的检测的图形。

图6C是示出事件e9(窗户打开)的检测的图形。

图7A是示出在人在前门外边行走的情况下的e1的检测的图形。

图7B是示出在人在后门外边行走的情况下的e1的检测的图形。

图7C是示出在人在房屋外边驾车的情况下的e1的检测的图形。

图8A是示出目标事件的接收机操作特性的图形。

图8B是示出所有室内事件的接收机操作特性的图形。

图9A是示出e1(所有门关闭)的检测的图形。

图9B是示出e4(房间门打开)的检测的图形。

图9C是示出e9(窗户打开)的检测的图形。

图10A是示出没有人行走的检测的图形。

图10B是示出人在前门区域中行走的检测的图形。

图10C是示出人在大区域中行走的检测的图形。

图10D是示出人在起居室中行走的检测的图形。

图10E是示出人在厨房中行走的检测的图形。

图10F是示出人在房屋外边行走的检测的图形。

图11是示出3天线RF TX-RX对的信道探测的图形。

图12是示出对于每个时刻的天线相关性的计算的图形。

图13是示出在办公室中的运动检测的示例性实验设置的图形。

图14是示出使用基于天线相关性的方法进行的人行走的检测的图形。

图15是示出在检测人行走时天线相关性的差异的图形。

图16是示出在表达式1中在人行走的情况下的Δγ_t的平均值的图形。

图17是示出在表达式1中在人行走的情况下的Δγ_t的方差的图形。

图18是示出在表达式4中Δγ_t的方差的图形。

图19示出说明使用基于统计建模的方法部分I的时间反演监控系统的示例性图。

图20示出说明使用基于统计建模的方法部分II的时间反演监控系统的示例性图。

图21示出说明使用基于机器学习的方法的时间反演监控系统的示例性图。

图22示出说明使用在时间反演共振强度上的方差的基于时间反演的人运动检测的示例性图。

图23A到23C是示出用于通过独立地或联合地采用频率和空间分集来产生大的有效带宽的一般原理的图。

图24和25示出使用线性拟合方法和所公开的线性相位校准方法的在每个子载波上的信道状态信息相位的图形。

图26是在信道探测阶段期间的时间反演无线通信系统的图。

图27是信道探测信号的帧结构的图。

图28是脉冲位置调制符号的图。

图29是训练序列的帧结构的图。

图30是示出能量检测同步过程的图。

图31是示出在接收信号中的索引的图。

图32示出Toeplitz矩阵。

图33是同步失配的柱状图。

图34是自相关函数的图形。

图35是包括两个收发机的无线系统的图。

图36是无线信号通过宽带无线信道从第一设备传输到第二设备的图。

图37是示出当收发机或接入点(AP)与终端设备通信时执行的信道探测的图。

图38-40是示出事件检测系统或人运动检测系统的实现的图。

具体实施方式

在这个文档中，我们描述用于监控或检测在场所中的事件的系统和方法，场所可以是室内场所或室外场所，其具有可反射无线信号以提供丰富的多径环境的多个表面。场所可以是例如房间、房屋、办公室、商店、工厂、旅馆房间、博物馆、教室、仓库、汽车、卡车、公共汽车、船、火车、飞机、移动房屋、洞穴或隧道。例如，场所可以是具有一个楼层或多个楼层的建筑物，且建筑物的一部分可以在地下。建筑物的形状可以是例如圆形、正方形、矩形、三角形或不规则形状。这些仅仅是例子，本发明可用于检测在其它类型的场所或空间中的事件。

当发射机通过在场所中的多个路径(被称为多径信道)将无线信号发送到接收机时，多径信道被场所的特性(例如在场所中的物体或表面的布置)影响。因此，当发射机和接收机放置在场所中的固定位置处且发射机将具有相同波形的信号重复地发送到接收机时，如果场所的特性随着时间的过去而改变，则在接收机处接收的信号的波形也可随着时间的过去而改变。通过测量在接收机处接收的信号的波形的特性，可能推断出在场所中正在发生什么事件。

在一些实现中，系统在训练阶段中并接着在监控阶段中操作。在训练阶段中，分类器被训练以建立某些参数的参考值，使得参考值可用于表示用户试图监控的某些事件。事件可以是例如“门打开”、“门关闭”、“窗户打开”、“窗户关闭”、“没有人在房间中移动”或“人在房间中移动”。这些仅仅是例子，系统也可检测其它类型的事件。通过使用从当事件正发生在场所中时测量的无线信号获得的信息来训练分类器。在监控阶段中，在场所中的无线信号被测量，且从无线信号获得的信息被提供到分类器。基于从测量的无线信号获得的信息和参考值，分类器确定什么事件发生在场所中。

在下面的描述中，提供环境特定识别标志(signature)和时间反演无线系统的概述。然后描述分类器的各种实现,例如使用基线方法、统计方法、机器学习方法、基于时间反演共振强度方差的方法、基于天线相关性的方法和基于到达时间的方法的分类器。

环境特定识别标志

图35示出包括两个收发机210和212的无线系统208的示例性实施方式。在这个实施方式中，包括天线的收发机A 210发出无线信号214，其通过无线信道216传播并作为多径无线信号218到达包括天线的收发机B 212。在示例性实施方式中，至少一个天线可将至少一个无线信号发出到信道内，且至少一个天线可从无线信道接收信号。在实施方式中，发射和接收天线可放置成彼此间隔开，且在一些实施方式中，它们可以位于同一地点。例如，设备、计算机、移动设备、接入点等可包括多于一个天线，且天线可作为发射和接收天线的任一个或两个来操作。在一些实施方式中，至少一个天线可以是可用于将无线信号发出到信道内并从信道接收多径信号的单个天线。在实施方式中，天线可在不同的时间段中、在不同的频带中、在不同的方向上和/或在不同的极化中传输和接收信号，或它们可在相同或相似的时间、在相同或相似的频带中、在相同或相似的方向上和/或在相同或相似的极化中传输和接收信号。在一些实施方式中，天线和/或包括天线的设备可调节信号传输和信号接收的定时、载波频率、方向和/或极化。

天线在示例性实施方式中可以是将电能或电信号转换成无线电波、微波、微波信号或无线电信号(反之亦然)的任何类型的电子设备。作为例子而不是限制，至少一个天线可被配置为定向天线或全向天线。至少一个天线可以是某种类型的单极天线、双极天线、四级天线等。至少一个天线可以是某种类型的环形天线和/或可由一段导线形成。至少一个天线可以是贴片天线、抛物面天线、喇叭天线、八木天线、折叠双极天线、多频带天线、短波天线、微波天线、同轴天线、超材料天线、卫星天线、介质谐振器天线、分形天线、螺旋天线、各向同性辐射器、J极天线、隙缝天线、微带天线、保形天线、蝶形天线、电视天线、无线电天线、随机导线天线、扇区天线、蜂窝天线、智能天线、伞形天线等。至少一个天线也可以是天线阵列的一部分，例如线性阵列天线、相控阵天线、反射阵列天线、定向阵列天线等。至少一个天线可以是窄带天线或宽带天线、高增益天线或低增益天线、可调节或可调谐天线或固定天线。可配置任何类型的天线用于在本文所述的系统、方法和技术中使用。在实施方式中，与示例性天线相关的辐射图样可以是可调谐的，并可被调谐以改善本文所述的示例性系统、方法和技术的性能。

在实施方式中，电信号可被施加到一个或多个天线以用于无线传输，并可从一个或多个天线被接收以用于处理。在实施方式中，无线信号可以是无线电波或微波。在实施方式中，无线信号可具有在从千赫到太赫的范围内的任何地方的载波频率。在实施方式中，天线可包括滤波器、放大器、开关、监控端口、阻抗匹配网络等中的至少一个。在实施方式中，可使用模拟和/或数字电路来产生电信号，并且可以使用电信号来驱动至少一个天线。在实施方式中，可使用模拟和/或数字电路来处理从至少一个天线接收的电信号。在本文公开的本发明的示例性实施方式中，电信号可被采样、数字化、存储、比较、关联、时间反演、放大、衰减、调节、补偿、积分、处理等。

在本公开中，为了探测信道的特性的目的而由发射天线发射的信号有时可以被称为探测信号或信道探测信号或信道探测波形。图36示出了通过宽带无线信道216从第一设备210传输到第二设备212的无线信号214的表示。信道探测信号214可到达第二设备212，作为我们也可称为的接收探测波形218。这个接收探测波形218可由包括至少一个天线和一组接收机电子器件的接收机接收并处理。在示例性实施方式中，接收探测波形218的处理可产生对在设备210和212之间的宽带信道的估计信道响应。在实施方式中，探测信号和接收信号可以是被转换成数字信号的模拟信号(且可以是被转换成模拟信号的数字信号)，并可使用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机器(ARM)处理器、微处理器、计算机、专用集成电路(ASIC)等来处理和/或产生。

在时域中，通信链路的信道脉冲响应可被建模为其中h_i[k]是具有长度L的信道脉冲响应(CIR)的第k个抽头，且δ[]是狄拉克delta函数。注意，信道响应的时域表示h和信道响应的频域表示H通过傅立叶变换来相关。

在示例性实施方式中，如果信道脉冲响应是已知的，则可以通过将信道探测信号与信道脉冲响应进行卷积来预测接收探测波形。信道脉冲响应或估计信道响应可以是实际信道脉冲响应的近似或估计。例如，估计信道响应可以被截短到某个信道长度，该信道长度被认为是信道的“足够准确”的估计或被选择以优先地探测信道的某些特性。另外，估计信道响应可以从对于特定应用被确定为“足够准确”的离散信号的时间和幅度分辨率的接收探测波形的离散化近似导出。估计信道响应可以是实际信道响应的滤波版本，并且可以是信道的足够准确的估计。“足够准确”的确定可以取决于应用、在无线设备中使用的硬件组件、设备的处理能力、设备的允许功耗、系统性能的期望精度、等等。

如果由设备发送的探测信号是单个脉冲或脉冲信号，则接收探测波形可以是信道脉冲响应的足够准确的估计并且除接收探测波形的接收、离散化和存储之外可能很少的附加处理是获得估计信道响应所需要的。如果由设备发送的探测信号是除了单个脉冲或脉冲信号之外的波形，则接收器可能需要对接收探测波形执行附加处理，以便确定估计信道响应。在示例性实施方式中，接收器可以检测和离散化接收探测波形。模数(A/D)转换器可以用于执行离散化。在实施方式中，去卷积过程可以使用离散化的接收探测波形和信道探测信号的表示以产生估计信道响应。在实施方式中，可以使用其它数学函数来产生估计信道响应。在本文中，信道脉冲响应(CIR)也可以称为信道响应(CR)、CR信号、CIR信号、信道探测信号响应和估计信道响应。可以测量和/或计算和/或可以通过测量和计算的组合来生成信道响应。在本公开中，我们还可以将信道响应和接收探测波形称为位置特定识别标志。

在实施方式中，可以选择不同的信道探测信号以提高或降低宽带信道的信道响应的估计的精度。在示例性实施方式中，信道探测信号可以是脉冲或冲激。另外，信道探测信号可以是具有规则的、任意的或非规则的模式的一系列脉冲。信道探测信号可以是波形。波形可以是基本上方波形、升余弦波形、高斯波形、洛伦兹波形或具有被设计成以某种最优或期望的方式探测信道的形状的波形。例如，信道探测波形可以是频率啁啾的或者可以具有被定制以某种最优或期望的方式探测信道的频谱。探测波形可以是具有不同的中心频率和带宽的多个波形。探测波形可以是幅度调制的、相位调制的、频率调制的、脉冲位置调制的、极化调制的，或者以幅度、相位、频率、脉冲位置和极化的任何组合调制的。

波形可以具有基本上等于要在相关联的通信信道上交换的数据流的比特持续时间的时间宽度。波形可以具有基本上为要在相关联的通信信道上交换的数据流的比特持续时间的一半、基本上为四分之一、基本上为十分之一、基本上为一百分之一或小于该比特持续时间的时间宽度。探测信号/波形可以是数据模式，并且可以是重复数据模式。探测信号可以包括分组和/或组帧信息、同步和/或时钟恢复信息、流捕获信息、设备ID和网络和链路层操作信息。探测信号可以具有针对操作环境和/或系统的发射器和/或接收器中的电子部件定制的频谱。探测信号可以是信道脉冲响应的估计，或者可以是信道脉冲响应的估计的改变版本。例如，探测信号可以是估计信道响应的时间反演版本。探测信号可以被设计为补偿和/或加强由发射器和/或接收器中的某些电子部件和/或由某些环境因素施加的信号失真。

信道探测信号的一种示例类型是周期性脉冲序列。利用这样的信道探测信号，接收探测波形可以是周期性信道脉冲响应的噪声版本。在实施方式中，时间平均方案可以用于抑制噪声并提取信道响应。

在一些实施方式中，时间平均方案可能不提供信道响应的可靠测量。为了改善信道响应估计，可以使用较长的脉冲序列来抑制噪声。为了进一步提高系统的性能，可以使用短的伪随机序列的脉冲作为信道探测信号。在这种情况下，接收探测波形可以是伪随机序列与信道响应的卷积。

在实施方式中，用作探测信号的伪随机序列可以是接收器已知的。然后，可以使用基于相关的方法来估计信道响应，其中接收的信号与伪随机序列进行卷积。通常，伪随机序列的自相关可能不是理想的delta函数，因为可能存在符号间干扰，并且因此可能存在估计信道响应中的误差。在实施方式中，可以通过使用正交Golay互补序列来最小化或避免由于符号间干扰引起的这种信道估计误差，该正交Golay互补序列可以具有用于自相关函数的理想delta形状，而不是伪随机序列。

在实施方式中，无线设备可以发射具有f₁GHz的中心频率的第一无线信号。在实施方式中，第一无线信号可以是信道探测信号、脉冲信号、帧信号、伪随机噪声(PN)序列、前导信号等。在实施方式中，无线信号的带宽可以是大约10MHz、20MHz、40MHz、60MHz、125MHz、250MHz、500MHz、1GHz等。在实施方式中，无线设备可以发送具有f₂GHz的中心频率的第二无线信号。在实施方式中，第二无线信号可以是信道探测信号、脉冲信号、帧信号、PN序列、前导信号等。在实施方式中，无线信号的带宽可以是大约10MHz、20MHz、40MHz、60MHz、125MHz、250MHz、500MHz、1GHz等。在实施方式中，第一无线信号和第二无线信号的频谱可以包括重叠的频率。在一些实施方式中，在两个无线信号之间可以没有重叠的频率。在一些实施方式中，不同无线信号的频谱可以通过所谓的保护频带或保护频带频率来分离。使用第一无线信号(例如在频率f₁)探测的信道的信道响应可以表示为H_ij(f₁)。使用第二无线信号(例如在探测频率f₂)探测的信道的信道响应可以表示为H_ij(f₂)。在实施方式中，可以使用多于两个探测频率信号来探测信道。多于两个的探测频率信号可以具有一些重叠的频率，或者它们可以没有重叠的频率。

在实施方式中，无线设备可以使用信道调谐和/或跳频来调谐到不同的无线信号载波频率以探测无线信道。在一些实施方式中，无线设备可以调谐到指定频带内的不同信道以探测无线信道。例如，无线设备可以首先调谐到WiFi(IEEE 802.11)信令带宽内的一个信道，然后调谐到无线频带内的另一个信道。频率调谐可以以顺序方式从一个信道到下一个信道，但是它也可以在WiFi频带内的任何地方以随机方式从一个信道跳到另一个信道。在实施方式中，不同的信道可以具有不同的信道带宽。在实施方式中，任何无线协议可以用于生成探测信号和/或分析接收信号中的信道信息。

在实施方式中，可以使用多个信道探测信号来探测信道。在一些实施方式中，可以多次发送相同的探测信号，并且可以对接收探测波形进行平均和/或比较。例如，探测信号可以被发送两次、5次、10次、30次、50次、100次、500次或1000次。在实施方式中，探测信号可以被发送一次或可以发送在2和1000次之间的任何次数。在实施方式中，探测信号可以被发送超过1000次。例如，在一些监视和安全应用中，探测信号可以被连续发送。例如，可以以每秒1个探测信号、每秒10个探测信号、每秒100个探测信号等来连续发送探测信号，以监测和探测空间。连续发送探测信号的速率可以由应当检测环境变化的速度来确定。

在实施方式中，只有一些接收探测波形可以用于进一步处理。例如，一些接收探测波形和/或估计信道响应可以被丢弃或修整。丢弃和/或修整的波形和/或响应可能与其他接收的波形和/或估计的响应充分不同，它们可以被认为是离群值，并且不是信道的足够准确的表示。在一些实施方式中，可以在不同时间和/或响应于来自接收器的反馈发送不同的探测信号。例如，可以调谐发射器处的探测信号以改善接收探测波形、估计信道响应和/或接收探测波形和/或估计信道响应的相似性。在实施方式中，发射器可以发送至少两个不同的探测信号，并且接收器可以基于至少两个不同的接收探测波形中的一个、一些或全部来估计信道响应。在实施方式中，探测信号可以是先前测量和/或计算的信道响应的版本和/或测量和/或计算的信道响应的时间反演版本。

如将在本公开中稍后更详细地讨论的，可以使用虚拟时间反演处理技术、时间反演谐振强度、模式识别和/或匹配、线性和/或非线性支持向量机和/或支持向量网络、机器学习、数据挖掘、分类、统计分类、标记、内核技巧(例如，应用内核函数的内核方法)等来确定波形、识别标志和/或响应的相似性或匹配或相关性。

在实施方式中，处理接收探测波形可以包括放大或衰减接收信号的任何部分。在实施方式中，可以探测信道一次或者可以探测信道多于一次。在实施方式中，多个接收探测波形可以被测量、处理、记录等。在实施方式中，一些信道响应可以与其他信道响应求平均。在实施方式中，一些信道响应可以被丢弃或不被记录。在实施方式中，可以在不同的环境状况下测量和存储一些信道响应。这种存储的响应信号可以用作参考信号，以指示与原始测量相关联的环境状况。在实施方式中，可以将新测量的信道响应与一些先前存储的信道响应进行比较，以确定哪个先前存储的信道响应最匹配该新测量的信道响应。然后，最紧密相关或最接近匹配的先前存储的信道响应的环境参数可以与新测量的信道响应相关联。在示例性实施方式中，环境状况可以包括但不限于对象的温度、位置或布置、人的位置或布置、对象的姿态、人的姿态、接入点的位置和/或姿态、终端设备、传感器的位置和/或姿态、信号反射器的位置和/或姿态、信号散射体的位置和/或姿态、信号衰减器的位置和/或姿态等。

在示例性实施方式中，估计信道响应可被考虑为环境特定波形和/或识别标志，因为它代表在某个环境中的两个设备之间或在场所中或在某个环境中的设备和物体和/或结构之间的信道响应。如图36所示，如果在场所或环境(在设备210和212之间传输的信号在该场所或环境中传播)中的一个或多个物体和/或结构和/或表面中有一个或多个移动，则多个传播路径(信号通过这些传播路径来传播)中的至少一些可改变，从而改变信道响应。估计信道波形的特性和它们如何改变可取决于场所、环境和在系统中的硬件部件。

时间反演无线系统的概述

下文提供时间反演无线系统的概述。参考图1A，可在具有可引起无线信号的一个或多个反射的结构或物体的环境中使用时间反演系统。例如，场所102可具有第一房间104和第二房间106。当在第一房间104中的第一设备108将信号传输到在第二房间106中的第二设备110时，信号可在几个方向上传播并通过经由几个传播路径(例如112、114和116)行进到达第二设备110。经由多个传播路径行进的信号被称为多径信号。当信号经由传播路径行进时，信号可能变得失真。由第二设备110接收的多径信号可能完全不同于由第一设备108传输的信号。

例如，参考图1B，当第一设备108发送脉冲信号时，由第二设备110接收的信号可具有波形120。波形120被称为信道脉冲响应(CIR)，其反映在时域中的信道状态信息(CSI)。在本说明书中，“信道状态信息”(CSI)指通信链路的信道属性。它描述信号如何从发射机传播到接收机。可基于接收的信道探查或探测信号使用信道估计来得到信道状态信息。常常被称为信道脉冲响应(CIR)的在时域中的信道状态信息可由反映在信道延迟扩展期间的信道衰减和相移的复值的向量表示。常常被称为信道频率响应(CFR)的在频域中的信道状态信息可由反映在每个频率单元上(例如在WiFi信道内的子载波上)的信道衰减和相移的复值的向量表示。

参考图1C，可通过关于时间反演波形120来产生时间反演波形(识别标志)130。如果第二设备110发送具有波形130的信号，该信号将在各种方向上——包括通过传播路径112、114和116(在相对于脉冲信号的传播方向的相反方向上)——传播，并到达第一设备108。在第一设备108处接收的多径信号可形成与以前从第一设备108发送到第二设备110的脉冲信号类似的脉冲信号。

在图1B和1C中示出的波形120和130仅仅是例子。在时间反演系统中的波形可根据例如环境和被传输的信息或数据来改变。此外，从第一设备108发送的初始信号可以是任何类型的信号，其中脉冲仅仅是一个例子。初始信号可以是任何波形。

在一些实现中，当第二设备110意欲将数据流传输到第一设备108时，第二设备110可使用从设备108接收的信号的标准化时间反演共轭作为基本传输波形(识别标志)。第二设备110可在基本波形(识别标志)上编码数据流并通过无线信道传输信号。在设备108处接收的信号可被描述为所传输的信号和信道脉冲响应的卷积加上加性白高斯噪声。因为已经基于信道脉冲响应的时间反演版本来设计所传输的信号，所以第一设备108可能只需要对所接收的信号执行简单的调节，并对它进行下采样以恢复由第二设备110传输的数据流。

在一些例子中，发射设备或基站或接入点可将信号同时发送到两个或更多个接收设备。所发射的信号通过多个传播路径行进到每个接收机。因为接收机位于不同的位置处，所以多径信号通过不同的传播路径行进以到达接收机。通过谨慎地构造从发射机发送的信号的波形，可允许每个接收机接收针对该接收机的具有足够高的质量的数据。

信道探测

在一些实现中，参考图37，当收发机或接入点(AP)590与终端设备592通信时，执行信道探测。在信道探测阶段，终端设备592使用上采样单元596通过α对脉冲信号594上采样，通过使用根升余弦(RRC)滤波器598来对上采样的信号滤波，其中B是带宽以及f_s＝αB是采样率。增加位速率的目的之一是通过采样过密，当在数据传输阶段中在发射机和接收机之间存在样本频率偏移时，我们可得到正确的样本。因为采样过密可以是在数据传输阶段中的步骤之一，为了正确地估计信道，我们也在信道探测阶段中包括采样过密和下采样。α的值可由用户选择。例如，α可被选择为等于4，但也可以是其它值。根升余弦滤波器可执行脉冲成形以限制带宽。在异构时间反演系统中，不同类型的设备可具有不同的带宽，所以不同类型的设备的根升余弦滤波器的带宽也是不同的。

经滤波的信号由数模转换器(DAC)600转换成模拟基带信号。基带信号由电压控制振荡器(VCO)602调制到高的载波频率，然后通过带通滤波器604并由功率放大器606放大以产生射频(RF)信号。RF信号由天线608广播。广播信号经过具有特征(profile)h的多径信道610，其中噪声n’被添加到信号。广播信号在接入点590处由天线612捕获。所捕获的信号由低噪声放大器(LNA)614放大、由带通滤波器616滤波并使用电压控制振荡器618转换成模拟基带信号。基带信号由具有采样率f_s＝αB的模数转换器(ADC)620采样以产生数字信号。数字信号由根升余弦滤波器622滤波并由下采样单元624通过因子α下采样。因为脉冲信号由终端设备592传输，所以下采样的信号被视为信道估计626。

根升余弦滤波器598是数字滤波器，而根升余弦滤波器622是模拟滤波器，它们都具有相同的带宽。带通滤波器604定义由终端设备592使用的频带。因此，如果终端设备592包括具有从频率f1到频率f2的通带的带通滤波器604，则我们说终端设备592使用频带f1到f2或与频带f1到f2相关联。在图37的例子中，在终端设备592中的带通滤波器604的通带与在接入点590中的带通滤波器616的通带相同。

接入点590也可以是使用本文所述的通信技术与多个其它设备通信的基站或收发机。

使用采样率f_s＝αβ，离散信道脉冲响应可被写为：

其中T_s＝1/(αB)。假设完美的信道估计(噪声和干扰在信道探测阶段被忽略)，则在图37中的两个根升余弦滤波器598、622之间的等效信道脉冲响应被写为：

参考图26，在一些实现中，为了检测在场所140中的事件，发射机142通过多径信道146将无线信号发送到接收机。发射机142产生信道探测信号148并执行射频调制150以产生通过相关联的多径信道146传播到接收机144的射频信号。接收机144接收所传输的射频信号，执行射频解调152以恢复独特的信道响应(波形)154并记录它。当接收到与发射机142相关联的信道响应154时，接收机144基于在接收机144处接收的它的信道响应来计算发射机142的识别标志波形156。术语“信道探测信号”根据上下文可以指在射频调制之前的探测信号或在应用射频调制之后的信号。在一些实现中，可以用与图37的设备592类似的方式实现发射机142，并可以用与图37的设备590类似的方式实现接收机144。

接收机144可使用信道探测信号148来估计信道响应。为了实现这个目的，接收机144需要首先在不知道信道信息的情况下通过抵消多径效应来与信道探测信号同步。一般的信道探测信号包括两个部分：前同步码和可能的确认位。接收机144通过提取未被多径衰落破坏的前同步码的基本特征来与信道探测信号同步。确认位接着用于进一步验证同步。一旦同步被实现，接收机144就通过使用在信道探测信号中的信息来从所接收的信号提取信道响应。

下文将参考图27-34描述用于信道探测的握手方法的两个例子。第一种方法使用脉冲位置调制，而第二种方法计算伪随机序列的相关性。

在时域中的时间反演参数

假设在时域中的信道状态信息表示被表示为向量h＝[hy[1]，h[2]，...，h[L]，其中L是信道状态信息的抽头(tap)的数量。例如，h[1]、h[2]、h[L]等可以是接收的探测信号的数字样本。采样率可以是例如125MHz(但也可使用其它采样率)。我们将被称为“时间反演共振强度(TRRS)”的空间-时间共振的强度定义为在时域中的两个信道状态信息样本h₁和h₂之间的

其中“*”表示卷积，l是抽头索引，以及g₂是h₂的TR识别标志：

在两个信道状态信息样本h₁和h₂之间的较高时间反演共振强度指示在h₁和h₂之间的较高相似性，而在两个信道状态信息样本h₁和h₂之间的较低时间反演共振强度指示在h₁和h₂之间的较低相似性。如果h₁表示当环境在特定的状态时在时间t1测量的信道状态信息以及h₂表示在稍后的时间t2测量的信道状态信息，则在h₁和h₂之间的时间反演共振强度提供了在时间t2的环境与在时间t1的环境多么相似的指示。

信道脉冲响应(CIR)是在时域中测量的信道状态信息。在等式(1)中定义的共振强度类似于在h₁和h₂之间的互相关系数的定义，因为h1和的内积等于(h₁*g₂)[L-1]。然而，等式(1)中的分子是被卷积的序列中的最大绝对值。这个步骤的目的是校正在两个信道状态信息估计之间的任何可能的随机相位失真。信道状态信息通常被初始相位失真和线性相位失真影响。初始相位失真通常由载波频率偏移(CFO)和公共相位偏移(CPE)引起。线性相位失真可由符号定时偏移(STO)和采样频率偏移(SFO)引起。例如，在不同的测量中可失去或添加信道状态信息的前几个抽头，引起在两个信道状态信息估计之间的同步误差。在校正在信道状态信息估计中的相位失真之后，时间反演共振强度能够捕获在信道脉冲响应之间的一些或基本上所有相似性，同时维持它的准确度。在本文档的稍后部分中将描述用于校正相位失真的方法。

在频域中的时间反演参数

在接收机侧，在每个信道状态探测之后，我们可将每个个体的L x M原始信道状态信息矩阵收集为

其中M是在发射机和接收机之间的链路的数量，以及L是在信道频率响应(CFR)中的可用子载波的数量。在这个文档中，每个发射机可具有一个或多个天线，且每个接收机可具有一个或多个天线。每对发射机天线和接收机天线对应于一个通信链路。因此例如，如果发射机具有三个天线而接收机具有两个天线，则我们说在这个事件检测器系统中有3 x 2＝6个链路。信道频率响应是在频域中测量的信道状态信息。

在两个信道状态信息样本h₁和h₂之间的在频域中的时间反演空间-时间共振强度(TRRS)被定义为：

在这里，L是信道状态信息向量的长度，k是子载波索引，以及g₂是h₂的时间反演识别标志，其被得到为：

在等式(4)的分子中，对线性相位分量的最大搜索操作被执行以减小或消除在基于正交频分复用(OFDM)的系统(例如WiFi)中的随机线性相位偏移。在估计的信道状态信息中的线性相位偏移来自振荡器的采样定时偏移(STO)和采样频率偏移(SFO)。

当比较两个估计的多径特征(在时域中的信道脉冲响应和在频域中的信道频率响应)时，它们首先被映射到时间反演空间内，其中它们中的每个被表示为一个时间反演识别标志。于是时间反演空间-时间共振强度是量化在所映射的时间反演空间中的这两个多径特征之间的相似性的度量。

在频域中的TRRS的统计行为

如果在相位失真校正之后在估计的信道频率响应中没有相位偏移，则在多输入多输出(MIMO)系统中的每个链路的在等式(4)中的时间反演共振强度可被计算为：

其中k是子载波的索引，L是子载波的总数。根据对信道平稳性的假设，如果信道频率响应(CFR)h₀和h₁来自同一位置或同一状态，则我们可将h₁建模为：

h₁＝h₀+n。 等式(7)

在这里，n是高斯噪声的向量，以及是复正态分布，其实现E[||n||²]＝σ²。L是信道频率响应的长度。

在不损失一般性的情况下，我们假设||h₀||²＝1，且然后等式(6)变成：

将新度量γ定义为：

根据Cauchy-Schwarz不等性，当且仅当n是h的乘数时，|h^Hn|²≤||n||²||h||²＝||n||²相等性保持，这很少发生。我们可假设在概率几乎是1的情况下，γ＞0。通过在等式(9)的两侧上取对数，我们有：

ln(γ)＝ln(||n||²-|h^Hn|²)-ln(||h₀+n||²)。 等式(10)

而且，让我们表示以及然后可能证明X～χ²(2L)、Y～χ²(2)以及在这里，χ²(k)表示具有k个自由度的卡方分布，以及表示具有k个自由度和非中心性参数μ的非中心卡方分布。通过利用X、Y和Z的统计数值，我们可以有：

对X、Y和Z类似，我们有：

E[X]＝2L，Var[X]＝4L， 等式(14)

E[Y]＝2，Var[Y]＝4， 等式(15)

根据在等式(11)中的|h^Hn|²的统计数值，有下面的近似是合理的，因为近似的均方误差等于方差然后等式(10)变成：

因为X～χ²(2L)且和都集中在1周围，有小的方差和高概率。通过利用对数的线性近似，即当x很小时，我们可将等式(17)近似为：

参考X和Z的定义，在等式(18)中的和项可被分解为：

在这里，W_i被定义为：

其中其是独立的且相等地分布在所有i当中。作为独立随机变量的函数的W_i独立于彼此。分别在等式(21)和(22)中示出W_i的平均和方差行为。

根据中心限制定理，假设{X₁，X₂，…}是一系列独立的随机变量，每个具有限定的预期值μ_i和方差然后

一些例子中，L具有数量级2，我们假设它对足够大以具有非对称统计行为。然后通过将等式(21)和(22)代入等式(23)内并考虑||h₀||²＝1，我们有：

在将等式(24)代入等式(18)内之后，我们得到：

因此，当h₀和h₁属于同一多径特征时，被定义为的γ参数是在对数正态分布之下的随机变量，其具有位置参数和比例缩放参数

时间反演事件检测器：基线方法

阶段I.离线训练

时间反演事件检测器(TRED)运用独特的室内多径特征和时间反演技术来区分并检测事件，例如室内事件。在离线训练阶段期间，任何目标事件的多径特征被收集，且在时间反演空间中的相应的时间反演识别标志被存储在数据库中。然而，由于噪声和信道衰落，来自特定状态的信道状态信息可随着时间的过去而稍微改变。为了抵消这种类型的变化，对于每个状态，几个瞬时信道状态信息样本被收集以构建训练集。

本质上，事件检测器使用分类。分类是基于包含数据的训练集的观察(类别成员关系是已知的)来识别新的观察属于一组类别/种类中的哪个。特别在具体实现中实现分类的过程或算法被称为分类器。一个例子是将给定电子邮件分配到垃圾电子邮件或非垃圾电子邮件类别，或基于某些症状的存在如由患者的所观察的特性所述的将诊断分配到给定患者，等等。单独的观察常常被分析成被称为特征的一组可计量的属性。在一些例子中，特征可以是按类别的、顺序的、整数值的或实数值的。在其它例子中，分类器通过使用相似性或距离函数以比较观察与以前的观察来工作。在又一例子中，分类器有时也被称为由分类算法实现的数学函数，分类算法将输入数据映射到类别。在决定由分类器做出并被确认为正确的决定之后，更晚收集的观察可被添加到以前的观察，可使用其来再次训练分类器/特征。

在所公开的事件检测器中，训练集包含来自在每个给定和已知事件之下收集的所接收的探测信号的估计CSI。在基线方法中，事件检测器借助于TRRS来比较在监控阶段中得到的估计CSI与在训练阶段中的观察，TRRS可被视为相似性分数。在关于事件检测的决定被做出并确认为正确的检测之后，在监控阶段中收集的CSI可被添加到数据库，可使用该数据库来再次训练特征。

特别地，对于每个状态， 是状态集，相应的时域训练信道状态信息(即信道脉冲响应)被估计并将H_i形成为：

其中N是训练状态的信道状态信息样本的大小，表示在时间t_j的状态S_i的估计的信道状态信息向量，以及H_i被命名为状态S_i的信道状态信息矩阵。相应的时间反演识别标志矩阵G_i可通过对H_i的共轭版本进行时间反演来得到：

其中时间反演识别标志在这里，在向量变量上的上标*表示共轭操作符。L表示信道状态信息向量的长度，以及k是在信道状态信息中的时域抽头的索引。于是训练数据库是G_i的集合。

阶段II在线监控

在构造训练数据库之后，时间反演事件检测器准备好用于事件检测。在监控阶段期间，接收机不断地使当前的估计信道状态信息与在中的时间反演识别标志进行匹配以找到产生最强的时间反演空间-时间共振的时间反演识别标志。在未知的监控信道状态信息和在状态S_i中的样本之间的时间反演共振强度被定义为：

其中是被假设在不同的时间从同一状态抽取的一组M个信道状态信息样本，即

一旦我们得到每个训练事件的时间反演共振强度，监控信道状态信息矩阵的最可能的状态就是被定义为下式的最相似的事件：

在S上的上标*表示最佳值。

除了通过比较时间反演空间-时间共振来找到最可能的状态S*以外，时间反演事件检测器还采用阈值-触发机制来避免假警报，因为它只在如下情况下才将状态的变化报告到S^*：时间反演共振强度超过预定阈值γ₀，如在等式(31)中所示。

其中意指时间反演事件检测器不被在中的任何已训练状态触发。根据上面所述的检测规则，每当信道状态信息测量被检测为时，当它的真实状态不是时，状态S_i的假警报发生。

基线方法的实验结果

使用基线方法来进行实验。在图2A中的平面布置图中示出详细的设置，其中不同的点标记表示发射机(TX)和接收机(RX)的不同位置。在实验期间，我们检测被标记为D1到D8的多个木制门的打开/关闭状态。被标记为圆点(例如222a、222b、222c、222d)的发射机的每个位置分开1米，而接收机的候选位置被标记为星星(例如224a和224b)。TX-RX位置包括视线(LOS)和非视线(NLOS)传输。

我们首先在检测多个室内事件时研究时间反演事件检测器的性能。而且，进一步研究在基于接收信号强度指示(RSSI)的室内检测方法和时间反演事件检测器之间的性能比较。接收信号强度指示是表示在接收机处接收的信号能量的标量。当无线信号在空中行进时，它将遇到产生所传输的信号的多个改变的拷贝的不同物体。而且，在传输期间，不同的发射信号响应于室内环境而受到不同的衰减。因此，室内环境的每个快照(即每个室内事件)可对应于不同的接收信号强度指示值，其可用于识别不同的室内事件。在训练阶段期间，系统收集不同的令人感兴趣的室内事件的接收信号强度指示并将它们存储在数据库中。利用接收信号强度指示来对室内事件分类的分类器基于最近邻方法，其中来自正被监控的环境的接收信号强度指示与在训练阶段中收集的所有室内事件的接收信号强度指示比较。通过找到最接近地匹配来自正被监控的环境的接收信号强度指示的所存储的接收信号强度指示来做出关于室内事件检测的决定。

在使用基于接收信号强度指示的方法的实验中，接收机放置在任一位置B(224a)或位置C(224b)上，而发射机的位置由点(222a-222d)表示，这些点从最左边的点分开1米，分别由“轴1”到“轴4”命名。我们总共有2个接收机位置和4个发射机位置，即8个TX-RX对。时间反演事件检测器的目的是检测在D1到D8中的哪个木制门关闭，而所有其它门打开。

表1：时间反演事件检测器要检测的状态列表。

在表2和3中示出时间反演事件检测器和基于接收信号强度指示的方法的总的假警报率和检测率。

表2：在正常工作环境中的时间反演事件检测器的多事件检测的假警报和检测概率(放置在位置B处的发射机)。

LOC B	轴1	轴2	轴3	轴4
					检测率TRED(％)	96.92	98.95	99.23	99.4
假警报TRED(％)	3.08	1.05	0.77	0.6
					检测率RSSI(％)	92.5	94.16	94.77	95.36
假警报RSSI(％)	7.5	5.84	5.23	4.64

表3：在正常工作环境中的时间反演事件检测器的多事件检测的假警报和检测概率(放置在位置C处的发射机)。

LOC C	轴1	轴2	轴3	轴4
					检测率TRED(％)	97.89	98.94	99.18	99.36
假警报TRED(％)	2.11	1.06	0.82	0.64
					检测率RSSI(％)	96.73	97.19	97.35	97.43
假警报RSSI(％)	3.27	2.81	2.65	2.57

通过达到更好的检测率和更低的假警报率，时间反演事件检测器的性能优于在视线和非视线情况下的基于接收信号强度指示的方法的性能。时间反演事件检测器可在非视线情况下得到高于96.92％的检测率和小于3.08％的假警报，并在视线情况下得到高于97.89％的检测率和小于2.11％的假警报。而且，当在接收机和发射机之间的距离增加时，这两种方法的准确度提高。

参考图2B，为了研究人运动对时间反演事件检测器的影响，我们在没有一个、一个或两个个体在附图中被示为阴影区230的区域中连续地来回移动的情况下进行实验。同时，发射机放置在由圆形标记232表示的位置处，且接收机放置在由六边形标记234表示的位置处，检测被标记为“D1”和“D2”的两个相邻门的状态，如在表4中所列出的。

由人运动引入的干扰改变多径传播并在时间反演事件检测器的监控阶段期间带来在时间反演共振强度上的变化。当人在场所中走来走去时，所引入的干扰持续改变且每个干扰的持续时间很短。为了处理在时间反演共振强度中的突发变化的影响，我们采用与“滑动窗”结合的“多数票决”方法以随着时间的过去来平滑检测结果。假设我们有以前的K-1个输出(k＝t-K+1，…，t-1)和当前的结果则通过在所有(k＝t-K+1，…，t-1)上票决来做出对时间戳t的决定。K表示用于平滑的滑动窗的大小。具有在K个输出中的具有最高数量投票的事件被选择为对时间戳t的事件。

例如，假设K＝11以及时间反演事件检测器的11个输出的集合是{E1，E1，E2，E1，E1，E2，E2，E2，E2，E1，E2}。在这个例子中，5个输出对应于事件E1以及6个输出对应于事件E2，事件E2将被选择为对时间戳t的事件。假设在时间戳t+3，时间反演事件检测器的11个输出 的集合是{E1，E1，E2，E2，E2，E2，E1，E2，E1，E1，E1}。在这个例子中，6个输出对应于事件E1以及5个输出对应于事件E2，所以事件E1将被选择为对时间戳t+3的事件。

表4：关于人运动的研究的状态列表。

状态	00	01	10	11
					D1	打开	打开	关闭	关闭
D2	打开	关闭	打开	关闭

表5：在人运动(HM)之下的准确度。

实验	非HM	一个HM	两个HM
				无平滑	97.75％	87.25％	79.58％
有平滑	98.07％	94.37％	88.33％

在表5中，我们比较在没有人运动(HM)时和在存在由一个个体和两个个体有意地执行的持续人运动时在有或没有平滑算法的情况下时间反演事件检测器的平均准确度。在这里，滑动窗的长度是K＝20，其表示0.1秒的持续时间。首先，当在室内事件的位置、发射机和接收机附近执行持续运动的个体的数量增加时，时间反演事件检测器的准确度降低。而且，所采用的平滑算法提高时间反演事件检测器对人运动的鲁棒性并与没有平滑的情况相比将准确度提高了7％到9％。同时，在实验期间，我们还发现，最易受影响的状态是状态“00”(见表4)，其中所有门都打开，这是因为在有人运动的情况下，时间反演事件检测器比其它状态更可能产生“门关闭”的假警报。其原因是，当人在门位置附近移动时，被视为在门位置处的严重阻塞的人体类似于关闭的木制门，且因此在多径信道状态信息中的变化类似于“门关闭”。

时间反演事件检测器：统计方法

在一些实现中，事件检测器设计成检测室内事件的发生，例如没有门打开、前门打开等。在这个部分中，公开了基于统计的事件检测器的细节。基于统计的事件监控系统(或防护系统)具有两个操作阶段：离线训练和在线学习。训练集包括来自在每个给定和已知事件之下收集的所接收的探测信号的估计CSI，从其计算在每个事件的时间反演共振强度的函数上的统计分布。在在线监控阶段中，提取使用在未知事件之下所收集的CSI的概率特征，且将未知事件分类为已知事件之一。在关于事件检测的决定被做出并确认为正确的检测时，在监控阶段中收集的信道状态信息可被添加到训练集，特征可使用训练集被再次训练。

阶段I.离线训练

参考图19，在离线训练阶段240中，事件监控系统目的在于构建在从待监控的每个室内事件的相同事件特征收集的信道频率响应之间的时间反演共振强度的对数正态分布模型。

具体地，对于每个室内事件 是包括正常事件和异常事件的室内事件的集合，相应的频域信道频率响应被得到并在接收机侧被估计为：

其中N是的大小，M是在发射机和接收机之间的链路的数量，以及H_i的维度是L XM。M是发射机天线的数量和接收机天线的数量的乘积。在这里，术语“正常事件”指用户/环境考虑为正常的事件，且不需要产生警报。术语“异常事件”指用户/环境考虑为不寻常或异常的事件，且需要产生警报。

在一些实现中，为了学习类别内时间反演共振强度的统计，H_i的至少300次实现被收集。一旦我们收集了室内事件S_i的信道状态信息的足够样本，则统计就使用下面的步骤被估计。

·相位偏移校准：由于在信道状态信息的每次实现中的随机线性相位偏移，应用某一相位校准方法以对准所有实现，且然后可使用等式(6)来计算时间反演共振强度。

·CSI表示生成器：对于每个链路且对于在训练集中的每个室内事件，在这个步骤中找到信道状态信息表示，使得它是最类似于来自同一室内事件的所有其它信道频率响应的信道状态信息表示。首先计算在为室内事件S_i收集的所有实现之间的链路m的成对时间反演共振强度。因为时间反演共振强度可用于量化在不同的信道频率响应之间的相似性，所以信道频率响应被选择为对在事件S_i中的链路m的信道状态信息表示，其具有在本身和在事件S_i中的链路m上的超过预定相似性阈值的所有其它信道频率响应之间的最大数量的时间反演共振强度。对所有链路和所有室内事件重复。然后，所有信道状态信息表示将形成如下集合：

其中表示在来自第次实现的在链路l上的事件S_i的信道频率响应，n_l，l＝1，2，…，M是实现的索引，其对在H_rep，i中的所有l和i可以是不同的。

·对数正态参数估计：一旦对在多输入多输出系统中的所有事件所有链路找到信道状态信息表示，就可以估计对数正态分布参数。对于链路m和事件S_i，在信道状态信息表示和所有其它实现之间的时间反演共振强度使用(6)来被计算并被表示为：

然后对数正态参数，即在链路m上的事件S_i的的位置参数和比例缩放参数由下式估计：

其中Z是对在链路m上的事件S_i收集的实现的总数量。Var[·]是样本方差函数。对所有链路和所有室内事件重复，且然后所有对数正态分布参数将形成如下集合：

在训练结束时，通过包括所有经训练事件的信道状态信息表示的集合和对数正态分布参数的集合来构建训练数据库。所有经训练事件可分成两组：正常事件其中没有警报将产生，以及异常事件其中当异常事件被检测到时警报应被报告给用户。

阶段II：在线监控

在监控阶段期间，如图19和20所示，接收机继续收集来自未知事件的信道状态信息作为基于统计的事件检测器将通过计算并评估统计度量来在训练数据库中找到最类似于未知的监控信道状态信息的事件。在这里，术语“监控信道状态信息”或“测试信道状态信息”指在监控阶段期间收集的信道状态信息。如下列出详细的步骤。

·TRRS计算：因为所得到的信道状态信息测量H_test被相位偏移破坏，所以在训练阶段中使用的相同的相位校准算法必须首先应用于所得到的信道状态信息测量H_test以移除随机相位偏移。然后，对于每个经训练室内事件，在信道状态信息表示和监控测量之间的时间反演共振强度通过等式(6)为每个链路计算并被表示为：

·统计度量计算：一旦得到时间反演共振强度，在H_test和所有经训练事件S_i之间的统计度量就被计算为：

其中F_(μ，σ)(x)是具有参数(μ，σ)和变量x的对数正态分布的累积分布函数(CDF)。因为函数F_(μ，σ)(x)是具有变元x和参数(μ，σ)的累积分布函数，它随着x而增加。较大的x指示较高的F_(μ，σ)(x)，反之亦然。因此，较大的指示的较小集合，意味着在监控信道状态信息和经训练事件S_i的信道状态信息之间的较小相似性，以及因而未知事件的监控信道状态信息属于经训练事件S_i的较小机会。所以这个统计度量反映来自未知事件的监控信道状态信息有多么不可能属于某个经训练事件S_i。

·决定：所提出的基于统计的事件检测器在两相状态检验器的帮助下对监控信道状态信息测量做出决定。

(a)阶段1-正常状态检验器：为了检测环境是否是正常的(即只有一个正常事件发生)或异常的(即当前环境状态不属于任何经训练的正常事件)，度量值用于与预定阈值γ_normal比较。在这里，

当时，对监控信道状态信息测量的系统决定D_test＝normal且决定过程终止。否则，决定过程跳到下一阶段：异常状态检验器。

(b)阶段2-异常状态检验器：在这个步骤中，因为一些事件在当H_test被收集时的时间期间在室内环境中发生，目的是找出哪个经训练的异常事件正发生。因此，度量值用于与预定阈值γ_abnormal比较。在这里，

然后基于在等式(43)中的做出系统对监控时间的决定：

D_test＝0指示在训练阶段期间未被训练的某个异常事件正发生。

统计方法的实验结果

参考图3，在单个房屋中进行实验，其中在附图中示出平面布置图250。在平面布置图250上，在平面布置图250中用箭头标记的门和窗户的状态由基于统计的事件检测器监控。在测试房屋中，给定接收机位置252，两个发射机位置254a、254b被测试并评估，其中一个发射机位置254a在前门区域中而另一发射机位置254b在厨房中。

表6：事件的状态列表。

状态索引	细节	状态索引	细节
				e0	未知的异常事件。	e1	所有门关闭。
e2	前门打开。	e3	后门打开。
				e4	鲍勃的房间门打开。	e5	爱丽丝的房间门打开。
e6	主卧门打开。	e7	学习室门打开。
				e8	前窗打开。	e9	爱丽丝的房间窗户打开。

在发射机的两个位置254a、254b上评估接收机操作特性(ROC)表现。在配置I中，发射机放置在位置254a。在配置II中，发射机放置在位置254b。图4A和4B是示出接收机操作特性曲线图的图形260和270，其表示在检测率和假警报率之间的折衷。检测率是被正确地分类的来自类别i的监控样本的百分比，而假警报率是在类别i之外的被分类为类别i的监控样本的百分比。

在发射机在前门区域254a中而接收机放置在爱丽丝的房间252内部的第一配置中，当所有事件被包括在训练数据库中时，接收机操作特性表现不是完美的，因为事件e7学习室门256不能与e1区分开，如在图4B的图形270中所示的。原因是，当事件e7太远离发射机和接收机时，由事件e7引入的多径变化太小而不能将事件e7与其中所有门关闭的事件e1区分。当远离事件从训练数据库被取出时，接收机操作特性表现是完美的，如在图4A的图形260中所示的。通常，为了有良好的监控性能，为事件监控的一个或多个物体(例如门或窗户)应具有到发射机或接收机中的至少一个的视线路径，或被定位在发射机和接收机之间的链路附近。我们将上面的标准称为“良好监控性能的标准”。在配置I中，除了e6和e7以外的所有事件满足良好监控性能的标准。

类似于在配置I中的结果，对于配置II，除了e2、e8和e9以外的所有目标事件满足良好监控性能的标准。对于满足良好监控性能的标准的目标事件，系统具有几乎是零假警报率的完美检测准确度，如在图5A的图形280中所示的。参考图5B，图形290示出对于不满足良好监控性能的标准的事件，系统具有高的假警报率。对于配置I和II，对于不满足良好监控性能的标准的事件，它们将被分类为所有门关闭。

评估：操作的

在这个部分中，模拟监控环境，其中在配置I的事件列表中的所有目标事件有意地被执行，且系统在每个事件的过程中继续收集信道状态信息。在图6A到6C中绘制三个例子。图6A是示出对所有门和窗户关闭的情况的决定的图形300。图6B是示出对鲍勃的房间门从房间内部打开的情况的决定的图形310。图6C是示出对爱丽丝的房间窗户从外边打开的情况的决定的图形320。在图形300、310和320中，x轴表示决定索引或时间索引——决定在一段时间期间定期地被做出，以及y轴表示对应于表6的状态索引。在这些例子中，系统在检测从事件e1到事件e4(如图6B所示)的过渡和从事件e1到事件e4(如图6C所示)的过渡方面获得成功。

基于统计的事件检测器对在房屋外部的活动的鲁棒性被模拟。参考图7A，图形330示出当有人正在前门外边行走时的决定结果。输出决定都正确地被确定为“所有门关闭”。参考图7B，图形340示出当有人正在后门外边行走时的决定结果。输出决定都正确地被确定为“所有门关闭”。参考图7C，图形350示出当有在房屋外部行驶的汽车时的决定结果。输出决定都正确地被确定为“所有门关闭”。在图形330、340和350中所示的决定结果证明系统是可靠的且对外部动力学是稳定的。

时间反演事件检测器：机器学习方法

下文描述基于机器学习的事件检测器，其具有与基于统计的方法相同的目的，即检测室内事件的发生。基于机器学习的方法将事件映射到特征空间并试图最大化在特征空间中的不同室内事件之间的距离，并可以以较高的计算复杂度为代价来实现更好的检测表现(与基于统计的方法比较)。基于机器学习的事件检测器可在离线训练阶段470和在线监控阶段472中操作，如图21所示。

阶段I.离线训练

类似于基于统计的方法，在训练阶段470中，待监控的所有目标事件的室内多径特征被收集并用于训练分类器，其为支持向量机器(SVM)以及特征维度减小方法，即主分量分析(PCA)。

·数据获取：首先，对于每个室内事件 是包括正常事件和异常事件的室内事件的集合，相应的频域信道频率响应被得到并在接收机侧在如在等式(32)中的形式中被估计。

·相位偏移校准：由于在信道状态信息的每次实现中的随机线性相位偏移，应用相位校准方法以独立地对准所有实现，且然后可标准化每个信道频率响应的能量。

·初始特征产生：对于每个事件S_i，信道状态信息特征H_i被视为初始特征。因为每个链路信道状态信息是复值向量，它需要在机器学习应用中被使用之前被处理。复值标准化信道状态信息的实部和虚部被提取并链接以形成新的特征向量：

·特征维度减少：在主分量分析中，应用正交变换来将包含可能相关变量的原始特征转换到新的特征空间中，其中每个维度是不相关的。对于所有事件，使用来自前一步骤的最新产生的特征向量来学习主分量分析。在一些实现中，在变换之后的前200个最大分量被选择为新特征，且因此特征的维度减少。在监控阶段中将使用相同的正交变换。注意，上面所述的数量200仅仅是例子，根据应用，在变换之后的另一数量例如100或300的最大分量可被选择为新特征。

·训练支持向量机：一旦产生较小维度的新特征，就将它们提供到线性支持向量机以训练权重向量，使得在不同类别(事件)之间的裕度被最大化。

在训练阶段结束时，主分量分析的正交变换和线性支持向量机分类器被学习。

阶段II.在线监控

对于从未知事件收集的每个样本信道状态信息，它首先经历在训练阶段中采用的相同处理以减小或消除相位偏移和初始相位失真，且然后特征向量通过链接信道状态信息的实部和虚部来产生。之后，学习的主分量分析正交变换应用于特征向量以减小维度的数量。新特征向量使用所训练的线性支持向量机而被分类和标记。在关于事件检测的决定被做出并确认为正确的检测之后，在监控阶段中收集的信道状态信息可被添加到训练集，特征可使用该训练集被再次训练。

基于机器学习的方法的实验结果

在本部分中，通过接收机操作特性表现和操作测试使用与在前一部分中的数据集相同的数据集来评估基于机器学习的事件检测器的表现。研究配置I，其中发射机放置在前门区域中。选择20个实值主分量以在主分量分析维度减少之后形成分类特征。

对于满足良好监控性能的标准的目标事件，基于机器学习的事件检测器以几乎零假警报率具有完美的检测准确度，如在图8A的图形360中所示的。参考图8B，图形370示出了对于不满足良好监控性能的标准的事件，基于机器学习的事件检测器具有较高的假警报率。

图9A是示出对于所有门和窗户关闭的情况由基于机器学习的事件检测器做出的决定的图形380。图9B是示出对于鲍勃的房间门从房间内部打开的情况的决定的图形390。图9C是示出对于爱丽丝的房间窗户从外边打开的情况的决定的图形400。在图形380、390和400中，x轴表示决定索引或时间索引——决定在一段时间期间定期地被做出，以及y轴表示对应于表6的状态索引。在这些例子中，系统在检测从事件e1到事件e4(如图9B所示)的过渡和从事件e1到事件e4(如图9C所示)的过渡方面获得成功。

上面的结果表明，对于接收机操作特性评估和操作测试，基于机器学习的事件检测器对于满足良好监控性能标准的目标事件在以零假警报率实现完美检测率方面具有与基于统计的事件检测器类似的表现，且目标事件的发生在操作测试中被检测到并被报告。

人运动检测器：基于TRRS方差的方法

图22示出基于时间反演共振强度方差的人运动检测器480的处理框图，人运动检测器480被设计为一旦由时间反演共振强度时间序列的方差所量化的大动态被检测到，就报告。与由信道衰落和噪声带来的影响比较，在家内部的人运动可引入在时间反演共振强度时间序列中的大波动，特别是当活动发生在发射机或接收机附近时。基于时间反演共振强度方差的人运动检测器可在两个阶段中操作：离线训练阶段482和在线监控阶段484。在离线训练阶段482中，研究由在多径传播环境中的不同类型的动态引入的时间反演共振强度方差，并得到适当的阈值以用于确定在没有和有人运动情况下的动态。在在线监控阶段484中，检测器480接收所测量的信道状态信息，确定在时间反演共振强度时间序列中的方差，比较该方差与在训练阶段期间建立的阈值，并做出关于在家内部是否有人运动的确定。

阶段I.离线训练

在训练阶段482中，系统需要了解与没有人运动的动态比较，当有在监控区域内部的人运动时在时间反演共振强度时间序列中动态是多么大。如下列出详细的步骤。

·数据获取：首先，室内环境的情况分成两种类别：其中环境是静止的，以及其中有在监控区域中移动的至少一个人。也被称为信道状态信息样本的信道频率响应对于这两种类别在时间上连续地被收集并被表示为：

以及

其中t是当信道频率响应被捕获时的时期的时间索引。因为信道频率响应可能被相位失真破坏，所以在基于时间反演共振强度方差的人运动检测器了解时间反演共振强度时间序列的动态之前，相位偏移首先被单独地和独立地补偿。

·动态获取：一旦静止状态和运动状态的信道频率响应测量的时间序列都被得到，就通过在沿着时间的定时窗内跟踪在时间反演共振强度上的方差的值来量化时间反演共振强度时间序列的动态。为了得到方差的时间序列，对于每个状态在H_i(t)的时间序列上应用具有长度N和重叠N-1的滑动窗以分割在窗口内连续地收集的信道频率响应。例如，给定窗口长度N，信道频率响应序列从H_i(t₀)开始到H_i(t₀+N*T_s)，其中T_S是采样时间，即，在每个信道状态信息感测之间的时间间隔是T_S。然后在时间t₀开始的窗口的时间反演共振强度时间序列被得到为时间反演共振强度是在所有M个链路当中的平均值，并被确定为如下：

然后，在时间窗[t₀，t₀+N*T_s]中的动态可量化地被评估为序列的方差并被表示为σ_i(t₀)。

·阈值学习：在动态获取中的过程之后，状态S₀和S_i的不同方差值的集合都被得到，且然后阈值由下式确定：

其中α是用于运动检测的敏感度系数。

阶段II.在线监控

在监控阶段中，当系统继续感测环境并收集信道状态信息样本时，如在训练阶段中的具有长度N和重叠长度N-1的相同滑动窗被应用以得到信道状态信息时间序列在补偿相位偏移和初始相位失真之后，时间反演共振强度时间序列被得到为且在这个定时窗内的方差是σ_test(t₀)。为了确定在房屋内部是否有人运动，将σ_test(t₀)值与阈值γ_motion比较。当且仅当σ_test(t₀)≥γ_motion时，系统将报告人运动的存在。

通过使用基于时间反演共振强度方差的人运动检测器，当某人正在房屋内部行走时，系统可检测到它。而且，当运动发生在发射机或接收机附近时，准确度增加。因为在房间中可能有内部有金属的大物体，当在金属(其在无线信号(从发射机发送并由接收机接收)到达运动的人体之前，反射大部分或基本上所有电磁波)后面发生人运动时，运动检测可能被危害。

参考图10A，图形410示出人运动检测器正确地确定没有人正在房屋中行走。参考图10B，图形420显示人运动检测器正确地确定有正在前门区域中行走的人。

参考图10C，图形430示出人运动检测器正确地确定在由决定432a、432b和432c表示的某些时间段期间，有在大区域中行走的人，以及在由决定434a和434b表示的某些时间段期间，没有在大区域中行走的人。参考图10D，图形440示出人运动检测器正确地确定在某些时间段期间，有在起居室区域中行走的人，以及在某些时间段期间，没有在起居室区域中行走的人。参考图10E，图形450示出人运动检测器正确地确定在某些时间段期间，有在厨房中行走的人，以及在某些时间段期间，没有在厨房中行走的人。

参考图10F，图形460示出当有在房屋外部行走的人时的决定结果。人运动检测器正确地确定没有在房屋内部行走的人。决定不被在房屋外部行走的人影响。

用于平滑的时间分集

在一些例子中，在室内环境中，在无线传输中的噪声和外部动态存在，并可影响在接收机侧处的估计信道状态信息。那些种类的干扰可导致防护系统的错误检测或假警报。在一些实现中，因为那些干扰常常是稀疏的并具有短持续时间，所以时间分集平滑方法被提供以只输出随着时间的推移一致的决定。时间分集平滑方法依赖于室内事件的一般持续时间通常持续几秒钟的假设。

在一些实现中，时间分集平滑方法使用如下所述的二级多数票决过程。

·第I级多数票决：该级多数票决直接应用到基于每个单独的信道状态信息估计而产生的原始决定上。在长度为N₁且重叠长度为O₁的滑动窗SW₁的帮助下，通过D_MV1(n)＝MajorityVote{D(1+(n-1)*O₁)，D(2+(n-1)*O₁)，…，D(N₁+(n-1)*O₁)}来得到索引n的决定，其中D(n)是对来自事件检测器或人运动检测器的第n个信道状态信息测量的决定。

·第II级多数票决：一旦来自第I级的决定D_MV1(n)被得到，第二级多数票决就在决定序列D_MV1(n)，n＝1，2，…上应用具有长度N₂和重叠长度O₂的第二滑动窗SW₂。然后，在这个步骤，在应用时间分集平滑之后的最终决定输出是D_final(n)＝MajorityVote{D_MV1(1+(n-1)*O₂)，D_MV1(2+(n-1)*O₂)，…，D_MV1(N₂+(n-1)*O₂)}。

通过应用时间分集平滑而引入的时间延迟是(N1+(N2-1)*O1)×Ts秒。

人运动检测：基于天线相关性的方法

在一些实现中，基于天线相关性方差的人运动检测器设计成一旦由天线相关性的方差量化的大动态被检测到就报告。与由信道衰落和噪声带来的影响比较，人运动可引入在天线相关性中的大波动，特别是当活动发生在发射机或接收机附近时。在这个方法中，得到适当的阈值用于由基于天线相关性方差的人运动检测器使用，以便区分在有人运动的情况和没有人运动的情况之间的天线相关性的方差中的动态。

在计算天线相关性之前，使用相位补偿算法来补偿在每个链路上在CSI上的相位失真。参考图11，在一些实现中，3天线WiFi设备490用作发射机，以及3天线WiFi设备500用作接收机。注意，3天线WiFi设备只用作例子，发射机和接收机可具有更多或更少的天线。例如，发射机和接收机中的每个可具有5、10、20、30或更多个天线。

在图11中，H_i，j表示在第i个TX天线和第j个RX天线之间的链路上的信道状态信息估计。天线相关性γ可以是TX天线相关性或RX天线相关性，其可被计算如下，

其中M和N分别表示TX天线和RX天线的数量。和表示在时间t的组合TX信道状态信息和RX信道状态信息。从等式(47)和(48)中，在每个时刻的天线相关性γ_t被计算，可如图12所示。

由于背景噪声和硬件损害，天线相关性γ_t可能是相当嘈杂的。因此，在利用γ_t用于运动检测之前可能需要对γ_t的后处理。首先，在γ_t上采用时间差，如在下面的等式(49)中所示的。

Δγ_t＝γ_t-γ_t-1。 等式(49)

然后，具有窗口尺寸W的移动平均窗口应用于Δγ_t，且平均值和方差可用于运动检测，如下：

在这个部分中，在如图13所示的办公室中进行实验，其中执行4个实验。发射机位置用圆圈标记，以及接收机位置用三角形标记。在每个实验中，用矩形标记的人反复地穿过在发射机和接收机之间的空间行走。为下面的实验考虑RX天线相关性。

实验1：在小房间中的视线情形中的运动：在第一实验中，发射机和接收机都在视线情形中放置在小房间中，且人穿过在发射机和接收机之间的链路反复地行走。天线相关性在图14中的图形510中示出。图14中的图形510显示天线相关性沿着时间索引是相当嘈杂的。因此，使用等式(49)来确定天线相关性的差异，且结果在图15中的图形520中示出。

选择窗口尺寸W＝1秒，Δγ_t的统计可用于检测人运动，如图16和17所示。图16是示出当有在发射机和接收机之间的区域中行走的人时的Δγ_t的平均值的图形530。图17是示出当有在发射机和接收机之间的区域中行走的人时的Δγ_t的方差的图形530。在图16和17中的峰值表示检测到的人运动。

在第二实验中，我们将发射机和接收机放置在办公室的入口处。在办公室的卡密钥系统的帮助下，进入历史和在人行走的情况下的Var(Δγ_t)在时间上对准，如在图18的图形550中所示的。

注意，由办公室中的卡密钥系统提供的进入历史并不记录人从办公室的离开。因此，在Var(Δγ_t)中的未知峰值可能是由人从办公室出来引起的。

人运动检测：基于噪声级的方法

在一些实现中，为了避免线性相位偏移和随机初始相位的问题，只使用信道频率响应的振幅信息。为了注解的方便，在时间i的(标准化)信道频率响应的振幅被表示为长向量：

用G_i(j)表示G_i的第j个元素。当没有在房屋内部的人运动时，随机变量G_i(j)遵循某个分布，且通常是具有平均值μ_j和方差的正态分布其中μ_j和是时间不变的且仅取决于子载波的索引。假设在观察的窗口内有I个信道频率响应。方差可由样本方差估计，即其中将信道频率响应的噪声级定义为然后P_N的未偏置线性估计量是的和，即让H₀表示在房屋内部没有人运动的零假设。然后，检测规则是，当时拒绝H₀，其中η是预定阈值。如果让μ_j(i)表示G_i(j)的真实平均值，则估计噪声级的期望值可被表示为：

其中当没有人运动时，我们有以及当在房屋内部有人运动时，G_i(j)的平均值将是时间变化的，即我们应使用μ_j(i)而不是μ_j。在等式(53)中的第二项测量由人运动引起的平均值的偏差，且它是正的。因此，当前的运动检测器可检测在房屋内部的人运动。

给定假警报和训练样本的大小，阈值η可如下被确定。在H₀的假设下，对于样本方差 的分布遵循的分布，其中是具有(I-1)自由度的卡方分布。因此我们有因为当在分布中时，当I→∞时，我们有：

假设是时间不变的，且它可从对应于正常状态的训练数据被准确地估计，即没有在所监控的区域内的运动。让表示在训练数据中的由每个子载波观察的信号的样本方差。然后，随着训练数据的增加的大小，在概率上收敛到真实方差因此，我们有如下近似：

给定假警报要求α，阈值η由下面的等式确定：

其中Q(·)是Q函数，即标准正态累积分布函数的补。对于小假警报概率α，Q^-1(α)将是大的且η同时也将是大的。前面的讨论表明观察窗口的长度I在上面所述的算法的表现中起重要作用。较大的窗口尺寸I可减小的方差，且阈值η可被设置到较小的值，其可增加具有与根据等式(56)的观察窗的持续时间可比较的持续时间的运动的检测概率。然而，较大的窗口尺寸可延长系统的响应时间，且具有小持续时间的运动的检测概率将降低。可根据不同的目的或应用来选择不同的窗口尺寸。

人运动检测：基于到达时间(ToA)的方法

下文描述用于人运动检测的基于到达时间的方法。假设在环境中有R个重要的多径分量(MPC)，且信道脉冲响应可被写为：

其中h_r是多径分量r的复振幅，以及τ_r是多径分量r的延迟。在频域中，在第k个子载波处，我们有：

其中T_S是采样间隔，L是子载波的数量，以及k＝0，1，...，L-1。以矩阵形式，我们有：

H＝A(θ)h， 等式(59)

其中以及然而，由于实际测量噪声，信道频率响应(CFR)的相位信息被线性相位偏移和随机初始相位偏移破坏，这导致：

其中φ是随机初始相位偏移，|φ|＝1，N是具有协方差矩阵σ²I的加性不相关高斯噪声，且Δτ从同步误差和采样频率偏移(可以是正的或负的)被引入。可估计并移除线性相位偏移，且也可减去随机初始相位偏移，因为我们可从每个测量移除公共相位偏移。让表示在相位噪声移除的情况下信道频率响应的第i个测量。在下文中，实现MUSIC(多信号分类)算法以恢复准确的信道脉冲响应信息。定义其中P表示在估计重要的多径时使用的子载波的数量。然后可将所测量的信道频率响应的相关性矩阵估计为：

在对R_H的本征分解之后，我们有：

R_H＝UΛU^H， 等式(62)

其中本征值以递减的顺序在Λ的对角线。噪声子空间矩阵是实际上，重要的多径R的数量由R_H的本征值的分布确定，其中可使用Akaike信息标准(AIC)或贝叶斯信息标准(BIC)。伪谱可由下式计算：

其中在伪谱中的峰值指示在时域中的多径的可能位置。在到达时间(ToA)和参数θ之间的关系是其中在伪谱的R个最大峰值内。给定估计的振幅h可由最小平方问题估计。因为人活动改变WiFi信号的物理传播路径，所以信道脉冲响应相应地被影响。可利用很多特征，例如多径分量的相对到达时间或振幅的变化。例如，可利用在第一重要多径和第二重要多径之间的到达时间的差异。当这个差异改变时，它指示在发射机和/或接收机附近有运动。

使用分集来组合TRRS

如之前定义的，为了特征化在相同或不同事件下收集的CSI之间的相似性，时间反演共振强度可被计算为：

其中

Λ₀＝∑|H₀[k]|²，Λ₁＝∑|H₁[k]|²

其中h₀和h₁是两个指纹，K是可用子载波的总数，H₀[k]和H₁[k]是在子载波k上的CSI，以及η是在同步误差被补偿的情况下在h₀和h₁之间的修改的互相关，以及Λ₀，Λ₁分别是h₀和h₁的信道能量。因为接收机可能不与发射机完全同步(由于在它们的射频前端分量中的失配)，w^-jkφ的额外相位旋转用于抵消由在η的计算中的同步误差引起的相位失真，其中可使用下面所述的算法1来估计和补偿φ。上面的等式(64)暗示时间反演共振强度范围从0到1。更具体地，较大的时间反演共振强度可指示在两个CSI之间的较高相似性以及因而在两个相关联事件之间的较高相似性。

在一些实现中，事件检测系统或人运动检测系统可通过利用分集——包括频率分集和/或空间分集——来实现增加的有效带宽。可通过使用不同的Wi-Fio信道来实现频率分集。此外，频率分集也可包括由在正交频分复用系统中的子载波引入的分集。大量子载波(例如使用IEEE 802.11n协议的在40MHz带宽的情况下的114个子载波))可导致非常稳定的性能。

下文描述用于在组合不同的分集时通过补偿可存在于无线通信系统中的硬件缺点来计算时间反演共振强度的方法。通常，时间反演共振强度可被考虑为量化在两个CSI之间的差异的度量。两个CSI可起源于两个不同的物理位置，但也可起源于两个虚拟(逻辑)位置/状态。在前一情况下，具有分集的时间反演共振强度可帮助定位和跟踪。在后一情况下，具有分集的时间反演共振强度可用于应用，例如监控呼吸、识别人和防护/安全系统。

两种不同的分集(即频率分集和空间分集)存在于当前Wi-Fi系统中。根据IEEE802.11n，35个Wi-Fi信道专用于在具有40MHz的最大带宽的2.4GHz和5GHz频带中的Wi-Fi传输。多个Wi-Fi信道导致频率分集，因为它们为Wi-Fi设备提供在经历深衰落或严重干扰时执行频率跳变的机会。另一方面，可在多输入多输出Wi-Fi设备上利用空间分集，多输入多输出Wi-Fi设备是极大地提高频谱效率的成熟技术。多输入多输出设备已变成IEEE802.11n/ac的有用部件，且广泛部署在很多商业Wi-Fi设备上。对于Wi-Fi系统，这两种类型的分集可被获得以提供具有细得多的粒度的指纹，并因此导致与使用仅40MHz的带宽而测量的指纹相比的更小的模糊度。

图23A到23C示出用于通过独立地或联合地利用频率和空间分集来产生大的有效带宽的一般原理。图23A示出Wi-Fi设备560具有一个天线的例子。图23B示出Wi-Fi设备570具有四个天线的例子。图23C示出Wi-Fi设备580具有两个天线的例子。因为Wi-Fi设备可在多个Wi-Fi信道上工作，我们可通过执行频率跳变来利用频率分集以得到在不同的Wi-Fi信道上的CSI。如图23A所示，在四个不同的Wi-Fi信道上的CSI被链接在一起以用公式表示大有效带宽的指纹。虽然可在单天线Wi-Fi设备上利用频率分集，但执行频率跳变是耗时的。为了时间效率，可在多天线Wi-Fi设备上利用空间分集。对于具有四个天线的在图23B中的Wi-Fi接收机570，在四个接收天线上的CSI可组合在一起以用公式表示大有效带宽的指纹。在图23C的例子中，频率分集和空间分集都被使用，其中在两个Wi-Fi信道上的以及来自两个接收天线的CSI被组合到指纹中。

对于Wi-Fi系统，空间分集由天线链路的数量确定，而频率分集依赖于可用Wi-Fi信道的数量。最大空间分集由S表示，最大频率分集由F表示，以及每个Wi-Fi信道的带宽由W表示，信道状态信息测量可被写为并可提供具有S×F×W的有效带宽的细粒度信道状态信息指纹。

首先，在等式(64)中的时间反演共振强度可扩展到细粒度指纹和η和Λ₀，Λ₁被修改为：

η＝∑_s ∑_f η_s，f，Λ₀＝∑_s ∑_f Λ_0，s，f，Λ₁＝∑_s ∑_f Λ_1，s，f 等式(65)

其中

表示在虚拟链路(s，f)上的修改的互相关，且 是分别在虚拟链路(s，f)上的h_0，s，f和h_1，s，f的信道能量。

下面所示的算法1详细说明的计算。在算法1中，步骤4-9计算在虚拟链路(s，f)上的信道能量，而步骤10-14计算在虚拟链路(s，f)上的两个指纹的修改的互相关性。在每个虚拟链路上的信道能量和修改的互相关性被累积，分别如在步骤9和步骤15中所示的。最后，时间反演共振强度由步骤18得到。η_s，f的计算由采取尺寸N的离散傅立叶变换的相同形式的近似且因此可通过快速傅立叶变换高效地被计算。在计算中使用大的N导致η_s，f的更准确的近似。

除了在算法1中公开的时间反演共振强度组合以外，可存在用于组合时间反演共振强度的其它方式。以更紧凑的方式写，在信道h_0，d和h_1，d之间的第d个链路上的(标准化)共振强度被定义为如下：

其中Λ_0，d和Λ_1，d分别是h_0，d和h_1，d的能量，被计算为Λ_0，d＝∑|H_0，d[k]|²和Λ_1，d＝∑|H_1，d[k]|²。

因此，对于每个链路d，我们有三个特性：

1.标准化共振强度

2.在链路d上的信道h₀的信道能量Λ_0，d，以及

3.在链路d上的信道h₁的信道能量Λ_1，d.

用于计算的下一步骤用于组合每个链路的(标准化)共振强度以形成一般特征。下文描述用于组合时间反演共振强度的四种方法。

首先，在信道h₀和h₁之间的共振强度的基本组合是：

其中D是天线链路的总数量。

在这个方法中，我们同等地处理每个链路，而不考虑它的质量。我们可预期这个组合算法将在定位和识别中给予我们基准性能。

其次，在信道h₀和h₁之间的时间反演共振强度的能量加权组合是：

与前面的方法不同，能量加权组合方法根据信道增益的乘积Λ_0，dΛ_1，d来组合不同的链路。具有更好质量(即更高的信道增益)的链路与其它链路相比将被放置更多的权重。通常，能量加权组合方法将比基本组合方法产生更好的性能。

第三，在信道h₀和h₁之间的共振强度的全部链路链接组合是：

在这个方法后面的思想是在独立地对准每个链路信道之后链接在可用链路上的所有CSI，以有效地用公式表示新的信道状态信息。

第四，在信道h₀和h₁之间的共振强度的部分链路链接组合是：

其中N_RX是接收天线的数量，以及D_i表示涉及接收天线i的天线链路的集合。例如，在3x3多输入多输出系统中，天线链路1、4、7分别表示在发射天线1、发射天线2和发射天线3到同一接收天线1之间的天线链路。因此，在这个方法后面的思想是首先链接在同一接收天线上的CSI并计算时间反演共振强度，然后取在所有接收天线上计算的时间反演共振强度的平均值。

信道状态信息相位偏移补偿

信道状态信息可被下列因素影响：(i)由载波频率偏移(CFO)α和公共相位偏移(CPE)β引起的初始相位失真，以及(ii)由符号定时偏移(STO)σ和采样频率偏移(SFO)δ引起的线性相位失真。

随机性以下面的方式使信道状态信息指纹的相位质量失真：

其中φ_k＝α+δk。

因此，在 中定义的时间反演共振强度的计算涉及用于补偿相位失真的“max”操作并具有高复杂度。

为了减小复杂度并同时补偿相位失真，我们可使用信道状态信息指纹，例如信道状态信息指纹类型I。

例如，我们可以写

其中分别由H_1，1[k]表示在接收天线1处从发射天线1接收的信道状态信息指纹，由H_2，1[k]表示在接收天线1处从发射天线2接收的信道状态信息指纹。

我们可以将每个子载波k的交叉天线指纹G_1，2[k]用公式表示为：

上文示出符号定时偏移σ和公共相位偏移β的影响被消除了。因为α和δ是残余载波频率偏移和采样频率偏移，在大部分情况下它们可被忽略。

对于在3x3多输入所输出系统中的每个射频链，我们可用公式表示3个新的信道状态信息指纹。因此，总共我们可用公式表示G_{1，2，…，9}。更一般地，对于N_T×N_R系统，我们可用公式表示总共个新的信道状态信息指纹。

然后，应用简单的内积来得到共振强度。例如，在校准之后在两个CSI之间的共振强度(每链路)被计算为：

其中和表示在接收天线j和发射天线i之间的两个CSI，G_0，i，j[k]和G_1，i，j[k]分别是使用在子载波k上的和的两个用公式表示的指纹，以及Λ_0，i，j和Λ_1，i，j是分别由Λ_0，i，j＝∑|G_0，i，j[k]|²和Λ_1，I，j＝∑|G_1，i，j[k]|²计算的指纹能量。

在可选的实施方式中，我们可使用下面的指纹(信道状态信息指纹II)。对于TX天线i和RX天线j，写

然后我们有

G_i，j[k]＝H_i，j[k]H_i，j[-k]exp(j2β) 等式(77)

其完全消除了线性相位偏移。

CSI相位净化：假设子载波k的标定真实(ground truth)信道状态信息是然而由于相位破坏和噪声的影响，估计信道状态信息变成：

其中α表示初始相位偏移，β表示线性相位偏移，以及n_k是在子载波k上的估计噪声。

线性相位偏移清理：首先，让我们查看线性相位偏移α。在一些例子中，消除α的一种方式是有在沿着所有子载波的相位分量上的线性拟合并接着提取斜率作为估计的线性相位偏移。即使它在分析期间是正确的，线性拟合方法也可能由于嘈杂的展开而不在实际实现中。

具有展开的线性相位校准：链接原始信道状态信息相位[-π，π]，其被称为缠绕相位φ_w。为了线性拟合沿着所有子载波的信道状态信息相位，我们首先需要展开在每个子载波上的相位：

φ[k]＝φ[k-1]+W{φ_w[k]-φ_w[k-1]}， 等式(79)

其中φ[k]表示在子载波k上的展开的相位，以及φ_w[k]是缠绕相位。操作W是展开函数：

由于将额外的相位φ_n[k]添加到缠绕相位φ_w[k]的噪声，展开方法可被降级为W{φ_w[k]+φ_n[k]-φ_w[k-1]}。由于在等式(80)中的展开过程的假触发或漏触发，可能引入至少|2π-φ_n[k]|的振幅的误差。

因此，由于破坏的展开操作，由线性拟合得到的线性相位偏移可能是不正确的。在图24中示出关于来自同一位置(状态)的CSI的线性拟合方法的例子，其中展开操作引入误差。

从实验中，我们也观察到当在功率方面|H_k|≈|n_k|、即信噪比(SNR)小时，更可能有破坏的相位展开。

没有展开的线性相位校准：为了有在没有展开相位和任何特殊硬件实现的情况下校准线性相位偏移，我们采用下面的方法。

直接从信道状态信息向量得到识别特征向量G^(Δ)，其中在这里，h是所收集的(2K+1)×1个信道状态信息向量。

在等式(81)中，上标*表示共轭操作，Δ是表示在上的移位的距离的整数，以及初始相位或公共相位偏移在G^(Δ)[k]中被自然地消除。G^(Δ)[k]＝h[k]h[k+Δ]以及

如在等式(83)中所示的，除了真实线性相位偏移β以外，我们还有残余项β_res，且对每个位置是近似固定的：

其中h[k]H_k是标定真实信道状态信息。根据在每个子载波上的相位是独立的和不相关的假设，β_res相当小且可被忽略。

在图25中示出线性相位校准方法的例子。

初始相位偏移清理：一旦为信道状态信息向量移除了线性相位偏移下一步骤就是移除初始相位偏移α。

让表示在线性相位偏移净化之后在子载波k上的信道状态信息，即

在线性相位偏移清理中采用类似的方法，α参数被估计为：

类似于β_res，初始相位残差α_res近似地被估计为跨越所有子载波的公共相位，

其中考虑了噪声的独立性。假设在每个子载波上的相位是独立的，则α_res应是小的。

如上面讨论的，线性相位校准和初始相位校准可并行地实现，且它们都是阵列操作，其是快速和高效的。上面所述的相位校准方法校准并补偿每个信道状态信息的相位，而不需要参考信道状态信息，该参考信道状态信息是以前的现有技术信道状态信息对准算法所需要的。从实验结果中，在CSI来自同一位置/状态时，在校准之后的CSI都是一致的并被充分对准。

一旦相位根据上面所述的算法被校准并被净化，剩余的信道状态信息就可被视为标定真实信道状态信息，其没有相位失真。作为结果，不再需要基于FFT的方法来计算共振强度。在经历相位校准之后，所得到的CSI保持标定真实相位信息，其可用于估计AoA或ToF。而且，简单的内积方法用于计算所校准的CSI的共振强度。现在共振强度将它的物理含义维持为它是对室内环境的电磁波响应，它在传输期间穿过该室内环境传播。

如前面结合图26讨论的，为了检测在场所140中的事件，发射机142通过多径信道146将无线信号发送到接收机144。下文是在发射机142和接收机144之间的握手过程的例子的描述，以便使接收机144准确地估计信道特性。

基于最小平方(LS)的信道探测握手

下文描述用于信道探测的基于最小平方(LS)的握手方法。在这个方法中，发射机142将探测信号发送到接收机144。接收机144与所接收的信号同步并基于所接收的信号来估计信道响应。

参考图27，在一些实现中，由发射机142传输的信道探测信号160的帧包括四个连续的部分：前同步码162、巴克码164、有效载荷166和训练序列168。每个帧的长度在这个方法中是固定的，且由发射机142和接收机144知道。在一些例子中，发射机142可将信道探测信号的两个或更多个帧发送到接收机144以允许接收机144得到更准确的信道和定时信息。在一些实现中，可通过增加前同步码162和巴克码164的长度来提高定时的准确度，并可通过增加训练序列168的长度来提高信道信息的准确度。

使用例如脉冲位置调制(PPM)来调制前同步码162。在图28中示出脉冲位置调制符号“0”和“1”。前同步码162包括连续的脉冲位置调制符号“0”，其中L是由定义的多径信道的长度，其中τ_s是延迟扩展，且δ_t是系统的采样周期。实际上，即使信道长度不是确切地已知的，接收机144也可基于环境的一般延迟扩展和系统的采样率来估计信道长度。在这个方法中，如果估计信道长度比实际信道长度长，则性能不被影响。因此，接收机144可能将信道长度估计过高，并将L设置为大于实际信道长度而不产生误差。

由发射机142传输的巴克码164是发射机142和接收机144都知道的码。巴克码164的长度是L_b。由发射机142传输的有效载荷166可以是使用脉冲位置调制来调制的编码信息。该信息可包含训练序列168的索引。有效载荷166的长度是L_p。

参考图29，训练序列168具有三个连续部分，包括保护间隔A 170、有效训练序列(ETS)172和保护间隔B 174。在一些例子中，保护间隔A 170是具有长度L_a的一系列“0”位，有效训练序列172是具有长度L_e的一系列“0”和“1”位，以及保护间隔B 174是具有长度LB的一系列“0”位，其中LB≥L。

从发射机142传输的信道探测信号经过多径信道146并到达接收机144。所接收的信号是被噪声污染的信道探测信号和信道响应的卷积。接收机144将使用所接收的信号来估计信道响应。

参考图30，当接收到信道探测信号时，接收机144对信道探测信号的前同步码162使用滑动窗能量检测来确定同步索引。图形180示出在接收机144处接收的示例信号。滑动窗能量检测方法使用具有窗口尺寸L_w＝l_p+L的移动窗口182，其中l_p是PPM符号的长度。我们将E₁定义为由从第i个、第(i+L_w)个、第(i+2L_w)个、…、和第(i+(γ-1)L_w)个样本开始的窗口累积的平均能量，其中γ是平均窗口的数量，i∈{0，1，2，…，L_w-1}。同步索引i_S是最大化E_i的索引i，其可被写为如下：i_s＝argmax_iE_i。在这里，索引i对应于在所接收的信号中的第i个样本。在确定同步索引i_S之后，使用同步索引作为参考来确定其它索引。

参考图31，在得到同步索引i_S之后，接收机144开始检测巴克码164以确认同步。接收机144解调所接收的信号的从索引i_s+mL_w到索引i_s+mL_w+L_b-1的一部分，并比较所解调的信号部分与预先存储的巴克码序列，其中L_b是巴克码164的长度，m∈{0，1，…N}，N是由用户设置的搜索范围。在一些例子中，N被设置为大于在前同步码162中的脉冲位置调制符号的数量。一旦所解调的信号匹配预先存储的巴克码，发射机就确定接收机在信道探测阶段中，且有效载荷和训练序列将跟随在所接收的信号中的巴克码。而且，发射机知道匹配索引i_s+mL_w是在所接收的信号中的巴克码164开始的位置，且索引i_s+mL_w+L_b-1是巴克码164结束的位置。这个信息使接收机144能够得到用于估计信道响应的信息。

因为有效载荷166跟随巴克码164，接收机144假设有效载荷在索引i_s+mL_w+L_b处开始。因为有效载荷166具有固定长度L_d，接收机144解调所接收的信道探测信号的从索引i_s+mL_w+L_b到索引i_s+mL_w+L_b+L_d-1的一部分，并对所解调的部分解码以得到训练序列的索引q。在这里，索引q不指在所接收的信号中的第q个样本。更确切地，存在发射机142和接收机144都知道的一组两个或更多个训练序列，且发射机142可从在该组中的任何训练序列选择。索引q指示在这组训练序列中的哪个被发射机142选择。

接收机144假设训练序列在所接收的信号的索引i_s+mL_w+L_b+L_d处开始，并将使用从索引i_s+mL_w+L_b+L_d到索引i_s+mL_w+L_b+L_d+L_t-1的所接收的信号的一部分来估计信道响应，其中L_t＝L_e+L。让u表示从索引i_s+mL_w+L_b+L_d到索引i_s+mL_w+L_b+L_d+L_t-1的所接收的信号的部分。接收机142使用对应于从有效载荷166得到的索引q的转换矩阵C_q来将u转换成估计信道响应。这个转换可被写为：

其中是估计信道响应。

转换矩阵C_q可由接收机所使用的训练序列s_q构造如下：

C_q＝(T′T)^-1T′

其中T是由s_q产生的托普利兹矩阵，s_q是由发射机142使用的有效训练序列。矩阵T的第一列是s_qe＝[s_q；0]，其中0是由L个零组成的向量。参考图32，托普利兹矩阵T 190的第一行全部由零组成，除了从s_qe取出的第一元素以外。矩阵T 190具有维度c_m×c_n，其中c_m＝L_e+L以及c_n＝L_a+τ+L。参数τ是补偿因子，其需要大于在前一步骤中的同步失配的最大值，即在所接收的信号中的训练序列开始的索引和索引i_s+mL_w+L_b+L_d(其为由接收机144检测到的训练序列168的开始)之间的差。

图33是示出1000次实现的示例同步失配柱状图的图形200，SNR＝0dB以及信道长度L＝200。失配量与信道长度相比是小的，并可由某个特定的值定界。因为较大的τ占据更多的系统资源，τ的值可被选择为尽可能小，但仍然可对同步误差定界。

从和转换矩阵C_q的维度可看到，估计信道响应具有大于L的尺寸，L为实际信道响应的尺寸。为什么较长的信道响应被估计的原因是，由于同步误差，估计信道响应是实际信道响应的偏移版本。估计较长的信道响应确保有效的信道响应将被包括在估计中，使得没有重要抽头丢失，这对时间反演系统很重要，时间反演系统使用多径信道作为匹配的滤波器以将所传输的波形聚集在接收设备处。

当特别选择有效训练序列时，可以更容易估计信道响应而不使用转换矩阵C_q。例如，如果有效训练序列是分开D的一串脉冲，其中D≥L，则信道响应可通过对在所接收的信号中的尺寸D的窗口取平均来简单地被估计。让v_i表示从索引i_s+mL_w+L_b+L_d+iD到索引i_s+mL_w+L_b+L_d+iD+D-1的所接收的信号的部分，则估计信道响应可被写为：

其中K＝(L_e+L)/D是窗口的数量。在一些例子中，如果L_e+L足够大，则K足够大以为估计信道响应提供足够的准确度。

基于相关性的信道探测握手

下文描述用于信道探测的基于相关性的握手方法。在这个方法中，单个序列用于时间同步和信道响应估计的目的。

发射机142通过多径信道146将伪随机(PN)序列x传输到接收机144。序列x可以是例如具有在下面的等式中示出的概率质量函数(pmf)的一串离散随机变量：

在下面的等式中定义伪随机序列x的自相关函数：

在这里使用的伪随机码的一个重要特征是，长伪随机码的自相关函数往往是δ函数。例如参考图34，考虑具有1000的长度的伪随机码的自相关函数，自相关函数具有在m＝0处的非常高的值，同时在其它地方处被明显抑制。

在下面的描述中，使用几个记号。L：信道响应的长度；N:伪随机码的长度；以及α：与用于信道探测的阈值有关的参数。

所接收的信号y是伪随机码x和信道h的卷积结果，如在下面的等式中所示的：

在下面的等式中定义的互相关函数r_yx(m)等效于伪随机码x和信道h的自相关的卷积。

下文描述用于通过相关来同步的算法。发射机计算互相关r_yx(m)，并找到它的最大振幅：

corr_max＝max|r_yx(m)|

基于corr_max，发射机如下找到所接收的信号y的同步索引i_S：

i_s＝1；

当|r_yx(i_s)|＜α×corr_max时，

参数α可通过实验来选择，且范围从0到1。例如，根据在模拟中使用的超宽带信道模型，参数α被选择为大约0.2。在得到索引i_S之后，可通过如下截短互相关函数r_yx(m)来确定估计信道响应

在示例性实施方式中，接收机144可包括用于捕获无线信道146的信道状态信息(CSI)的电路。信道状态信息可用于估计在无线信号中的每个子载波的无线信道响应。信道状态信息可以是复向量，包括与无线信道有关的振幅和相位信息。在一些实施方式中，只有信道振幅信息可被确定和/或导出和/或处理。在一些实施方式中，只有信道状态信息可被确定和/或导出和/或处理。在优选实施方式中，信道振幅和相位信息都可被确定和/或导出和/或处理为事件监控系统应用的一部分。在实施方式中，信道状态信息信号可在处理器例如微处理器和/或DSP、计算机、FPGA、ASIC等中被处理，并可在本地、在与产生信道状态信息信号的芯片或系统集成在一起或极接近芯片或系统的资源上被处理，和/或信道状态信息信号可在配置成执行信号处理的远处计算设备处远程地被处理，和/或信道状态信息信号可使用至少一个云资源被处理。

在实施方式中，信道状态信息可由标准化机制确定，例如对802.11信令协议存在的。在一些实施方式中，可通过监控并记录在无线电接收机中的参数和/或通过监控在接收机和发射机之间传递的探测信号或训练序列或训练前同步码来确定信道状态信息。在实验室演示中，用于捕获信道状态信息的电路包括USRP(国家仪器的通用软件无线电外围平台)和/或因特尔5300芯片。

在实施方式中，无线协议分组结构的某些部分可用于估计信道状态信息和/或信道频率响应。在示例性802.11网络中，跟随短前同步码的长前同步码可用于确定信道状态信息。示例性802.11通信系统可利用正交频分复用(OFDM)。每个正交频分复用信道可包括多个子载波。正交频分复用信道可包括多于20个子载波、多于30个子载波、多于40个子载波、48个子载波、56个子载波、64个子载波或114个子载波等。在实施方式中，在正交频分复用信号中的一些子载波可以是空(null)子载波或可以是导频子载波。在实施方式中，在正交频分复用符号中的仅仅一些子载波可以是数据子载波。

在实施方式中，电路可以为一些或所有子载波提供信道状态信息。例如，在一些示例性实施方式中，因特尔5300芯片和/或USRP可以为正交频分复用信道中的30个子载波导出信道状态信息。在实施方式中，信道状态信息的进一步处理可被执行以减轻由于有瑕疵的定时和/或频率同步而引起的在信道状态信息中的变化。在实施方式中，来自一个子频带的信道状态信息可被布置为向量，并可被称为频带内指纹。在一些实施方式中，来自一个子频带的信道状态信息可以是多个信道状态信息确定的平均值，且一些确定可被削减或丢弃。在实施方式中，给定信道的子频带信道状态信息可被测量和/或确定一次、两次、10次、30次、50次、100次等。在实施方式中，一些或所有子频带信道状态信息可用于形成频带内指纹。

上面提供的例子——其中针对某一数量的子载波报告信道状态信息——仅仅是例子，且并不以任何方式意欲是限制性的。可在本文所述的事件监控系统中利用来自任何数量的子载波的信道状态信息。此外，可被执行的信道测量的数量或被交换以便确定信道状态信息和频带内指纹的WiFi分组的数量是示例性的，且并不以任何方式意欲是限制性的。例如，监控事件的事件监控系统可不断地发送探测信号，其可用于确定估计信道响应和事件。

在实施方式中，多个不同的中心频率、频率带宽和/或天线频带内指纹可组合和/或链接成复合或频带间指纹。在实施方式中，频带间指纹可形成复合信道响应。这个复合信道响应可用于确定在场所中发生的事件。在实施方式中，使用复合信道响应的事件监控系统的准确度可以高于使用单个频带内指纹实现的准确度。

在示例性实施方式中，在802.11帧中的两个长前同步码可用于为在无线设备(例如发射机142和接收机144)之间的无线信道确定信道状态信息。例如，无线设备之一可以是无线路由器/接入点，并可支持无线热点(例如在家或在公司)。无线路由器/接入点可以是标准设备，其还没有被特别修改和/或布置成与本文所述的系统和方法一起工作。换句话说，本文所述的系统和方法可利用这样的现有无线设备及其技术来确定事件信息。在这个示例性实施方式中，当第二无线设备(例如计算机、智能电话、平板计算机等)在路由器/接入点的范围内时，第二无线设备可从路由器/接入点接收WiFi信号，并可处理被包括在WiFi信号中的长前同步码以确定在本身和路由器/接入点之间的环境特定识别标志。在一些实现中，第二无线设备可包括使第二无线设备能够与系统一起操作的软件和/或固件。在一些实现中，第二无线设备可以不连接到热点。更确切地，第二无线设备可以是无源设备，其可从路由器/接入点接收标准前同步码信息。以这种方式，第二无线设备可被称为“嗅探器”。在实施方式中，在一个帧中例如为每个正交频分复用信道发送两个长前同步码。在实施方式中，正交频分复用信道可具有例如20MHz或40MHz的带宽。

如上所述，系统可确定信道状态信息并使信道状态信息与各种事件相关联。例如在一个实例中，第二无线设备可存储信道状态信息，并使它与特定的事件(例如“门打开和窗户关闭”)相关联。当特定的事件在稍后的时间发生时，第二无线设备可提供指示(例如警报)。在一些实现中，当第二无线设备访问互联网(例如通过连接WiFi网络)，第二无线设备可上传所获取的环境信息(例如与事件相关联的信道状态信息)。环境信息可上传到资源(例如基于云的资源)，例如配置成存储这样的环境信息的一个或多个服务器、硬盘驱动器、存储单元和/或数据库。

在一些实现中，与各种事件相关联的信道状态信息可上传到资源(例如在云中的数据库)，且信息可用于使信道状态信息特定识别标志与已知事件相关联。在一些例子中，训练事件分类器的设备可具有显示器，其显现用户界面以显示具有与事件相关的物体(例如地板和窗户)的平面布置图。当用户在门上轻敲时，门可在关闭位置和打开位置之间切换。假设门在打开位置。用户可在按钮上轻敲以开始训练期，使得系统开始收集信道状态信息并训练事件分类器以识别与“门打开”事件相关联的参数。在对“门打开”事件的训练完成之后，用户可在门上轻敲以将门切换到关闭位置，并接着在按钮上轻敲以开始训练期，使得系统开始收集信道状态信息并训练事件分类器以识别与“门关闭”事件相关联的参数。用户可以用类似的方式发起对其它事件的分类器的训练。

在事件监控系统中的发射机和接收机中的每个可以包括一个或多个处理器和一个或多个计算机可读介质(例如，RAM，ROM，SDRAM，硬盘，光盘和闪存)。一个或多个处理器可以执行上述各种计算。计算也可以使用专用集成电路(ASIC)来实现。术语“计算机可读介质”是指参与向处理器提供指令以执行的介质，包括但不限于非易失性介质(例如光盘或磁盘)和易失性介质(例如存储器)和传输介质。传输介质包括但不限于同轴电缆、铜线和光纤。

上述特征可以有利地在一个或多个计算机程序中实现，所述计算机程序能够在可编程系统上可执行，所述可编程系统包括至少一个可编程处理器，所述至少一个可编程处理器被耦合以从数据存储系统、至少一个输入设备和至少一个输出设备接收数据和指令以及向其发送数据和指令。计算机程序是可以在计算机中直接或间接地使用以执行某一活动或带来某一结果的一组指令。计算机程序可以以任何形式的编程语言(例如C，Java)编写，包括编译或解释语言，并且它可以以任何形式部署，包括作为独立程序或作为模块、组件、子例程、基于浏览器的web应用或适合在计算环境中使用的其他单元。

用于执行指令程序的合适的处理器包括例如通用和专用微处理器、数字信号处理器以及任何类型的计算机的单个处理器或多个处理器或核中的一个。通常，处理器将从只读存储器或随机存取存储器或上述两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器。通常，计算机还将包括用于存储数据文件的一个或多个大容量存储设备，或者可操作地耦合以与其通信；这样的设备包括磁盘(例如内部硬盘和可移动盘)、磁光盘和光盘。适合于有形地体现计算机程序指令和数据的存储设备包括所有形式的非易失性存储器，包括例如半导体存储器设备，诸如EPROM，EEPROM和闪存设备；磁盘，例如内部硬盘和可移动盘；磁光盘；和CD-ROM和DVD-ROM盘。处理器和存储器可以由ASIC(专用集成电路)补充或并入ASIC中。

尽管本说明书包含许多具体实施细节，但是这些不应被解释为对任何发明或可以要求保护的范围的限制，而是被解释为对特定发明的特定实施例的特定特征的描述。在本说明书中在各个实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独地或以任何合适的子组合来实现。

类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定次序或以顺序次序执行，或者要求所有所示的操作被执行以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统组件的分离不应被理解为在所有实施例中都需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中或封装到多个软件产品中。

因此，已经描述了主题的特定实施例。其他实施例在所附权利要求的范围内。在一些情况下，权利要求中叙述的动作可以以不同的顺序执行并且仍然实现期望的结果。另外，附图中描绘的过程不一定需要以所示的特定次序或以顺序次序执行以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。

描述了本发明的很多实现。然而将理解，可做出各种修改而不偏离本发明的精神和范围。例如，信道探测信号的帧结构、前同步码162、巴克码164、有效载荷166和训练序列168的格式可以不同于上面所述的那些。发射机142和接收机144可包括未在附图中示出的更多部件。例如，从附图中省略了例如模数转换器、数模转换器和功率放大器的标准部件。

虽然在上面的例子中我们示出了一个发射机和一个接收机，但可存在多个发射机和多个接收机。监控系统的发射机或接收机可以在固定位置处或者可以是移动的。监控系统的发射机或接收机可具有单个天线或多个天线。时间反演监控系统可监控人以及动物，例如猫、狗、马或鸡等。当特殊事件由监控系统检测到时，系统可例如经由音频、视频、短消息服务或电子邮件等给出警报信号。当系统发送出警报信号时，它可使用例如3G、4G-LTE、5G、WiFi等。虽然在上面的例子中我们显示信道状态信息经由WiFi得到，但它也可以是通过LTE/HSPA宏小区、微微小区、毫微微小区、热点等的信号。通过链接在不同的频率子载波/频带/信道中在不同的时刻等来自不同天线的CSI，监控系统的带宽可以是例如20MHz或小于20MHz。时间反演监控系统可以是独立的，用于帮助其它监控系统减少假警报，或用于帮助其它监控系统提高敏感度，等等。时间反演监控系统可以是可编程的。

在一些例子中，定制的发射机和接收机可在信道探测中用于得到信道脉冲响应(时域)。在一些例子中，商业WiFi设备可用于信道探测，且信道估计输出可被读取为信道频率响应。接收机可以是估计信道的商业WiFi设备，且信道频率响应从接收机设备被提取。计算机执行与训练分类器有关的计算，并由于商业WiFi设备的有限数据处理能力而计算等式。在一些例子中，如果WiFi接收机具有功率数据处理器，则与训练分类器有关的计算可由接收机执行，且所有等式在接收机处被计算。

可根据系统带宽来选择信道状态信息h[1]，h[2]，h[L]等的采样频率。例如，至少等于系统带宽(双侧)。采样频率越高越好。对于抽头的数量L，数量越高越好。在一些例子中，我们可逐渐增加L，使得所收集的信道具有最多的能量。例如，如果L＝30和L＝50都导致类似的信道状态信息，则我们可使用L＝30。

探测信号的格式可不同于在图27和29中所示的那些，且握手过程可不同于上面所述的那些。例如，如果商业WiFi设备用于传输和接收无线信号，则握手过程将遵循WiFi协议。

可以用很多方式实现事件检测系统或人运动检测系统。例如，参考图38，事件检测系统或人运动检测系统630可包括放置在场所638中的发射机632和接收机636，其中发射机632通过多径信道634将无线信号发送到接收机636，多径信道634被由系统630检测的事件或人运动影响。在这个例子中，接收机636包括用于执行上面所述的各种数据处理步骤的数据处理器640。

在一些实现中，参考图39，事件检测系统或人运动检测系统650可包括发射机632、接收机636和计算机652。接收机636包括执行基本数据处理的数据处理器640，而大部分复杂计算由与接收机636通信的计算机652执行。

在一些实现中，参考图40，事件检测系统或人运动检测系统660可包括发射机632和接收机636，其中接收机636包括执行基本数据处理的数据处理器640。接收机636与云服务器662通信，云服务器662执行大部分复杂计算。

因此，其它实施方式在所附的权利要求的范围内。

Claims (45)

1.一种用于检测多个事件的装置，包括：

处理器；

存储设备，其存储一组指令，所述指令当由所述处理器执行时使所述处理器：

训练至少一个分类器，所述至少一个分类器配置成对信道状态信息分类并基于所述信道状态信息的分类来检测事件，其中所述至少一个分类器的训练包括：

对于要由所述装置检测的多个已知事件中的每一个，在所述已知事件在场所中发生的时间段期间，获得在所述场所中的无线发射机和无线接收机之间的无线多径信道的至少一组训练信道状态信息(CSI)，其中，从通过所述无线多径信道从所述无线发射机发送到所述无线接收机的至少一个第一探测信号获得所述至少一组训练信道状态信息，以及

基于所述多个已知事件和与所述多个事件中的每一个相关联的所述至少一组训练信道状态信息来训练所述至少一个分类器；

在当前事件发生时的时期期间，接收在所述无线发射机和所述无线接收机之间的无线多径信道的一组实测信道状态信息，其中，从通过无线多径信道从所述无线发射机发送并在所述无线接收机处接收的至少一个第二探测信号获得所述一组实测信道状态信息；以及

将所述分类器应用于所述一组实测信道状态信息或从所述一组实测信道状态信息获得的数据中的至少之一，以确定所述已知事件中的哪一个匹配所述当前事件。

2.如权利要求1所述的装置，其中，所述已知事件包括门关闭事件、门打开事件、窗户关闭事件、窗户打开事件、房间中没有人存在的事件和房间中有人存在的事件中的至少一个。

3.如权利要求1所述的装置，其中，训练所述至少一个分类器包括使用主分量分析以基于所述多个已知事件和与所述多个已知事件中的每一个相关联的所述至少一组训练信道状态信息来训练所述至少一个分类器。

4.如权利要求1所述的装置，其中，每组训练信道状态信息至少包括复值的向量。

5.如权利要求1所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：

估计由于采样频率偏移(SFO)或符号定时偏移(STO)中的至少一个而引起的与特定信道状态信息的多于一个分量相关联的特定线性相位偏移，

估计由于载波频率偏移(CFO)或公共相位偏移(CPO)中的至少一个而引起的与所述特定信道状态信息的多于一个分量相关联的特定初始相位偏移，以及

基于所述特定信道状态信息、所估计的特定线性相位偏移和所估计的特定初始相位偏移来产生特定校正后信道状态信息。

6.如权利要求5所述的装置，其中，基于所述特定信道状态信息和所述特定信道状态信息的偏移版本的逐个分量乘积来估计与所述特定信道状态信息相关联的所述特定线性相位偏移。

7.如权利要求5所述的装置，其中，基于在每个子载波上的复值信道状态信息分量的平均值的角度来估计与所述特定信道状态信息相关联的所述特定初始相位偏移。

8.如权利要求1所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：

在使用所述一组训练信道状态信息训练所述至少一个分类器之前减小或消除在所述一组训练信道状态信息中的相位失真。

9.如权利要求8所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：

在将所述分类器应用于所述一组实测信道状态信息或从所述一组实测信道状态信息获得的数据中的至少之一之前减小或消除在所述一组实测信道状态信息中的相位失真。

10.如权利要求1所述的装置，其中，所述至少一个分类器中的每一个配置成对于多组训练信道状态信息中的一些中的每一组，计算表示在所述一组实测信道状态信息和所述一组训练信道状态信息之间的相似性的相似性值，以及

其中，将所述分类器应用于所述一组实测信道状态信息或从所述一组实测信道状态信息获得的数据中的至少之一包括识别多组训练信道状态信息中最类似于所述一组实测信道状态信息的一组训练信道状态信息，以及识别与所识别的一组训练信道状态信息相关联的已知事件。

11.如权利要求10所述的装置，其中，计算在所述一组实测信道状态信息和所述一组训练信道状态信息之间的相似性值包括计算与所述一组实测信道状态信息相关联的第一向量和与所述一组训练信道状态信息相关联的第二向量的内积。

12.如权利要求10所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：计算相似性值，每个相似性值表示在多组训练信道状态信息中的一组和其它组训练信道状态信息之间的相似性，

其中，使用统计分布对从在多组训练信道状态信息中的一组和其它组训练信道状态信息之间的相似性获得的参数建模，以及

其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：估计从在多组训练信道状态信息中的一组和其它组训练信道状态信息之间的相似性获得的所述参数的所述统计分布的比例缩放参数和位置参数。

13.如权利要求1所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：

将滑动定时窗应用于一系列的多组实测信道状态信息，其中，所述定时窗被分成多个时间段，以及每个时间段对应于所述多组实测信道状态信息中的一组；

将所述分类器应用于具有在所述定时窗内的时间戳的所述多组实测信道状态信息中的每一组以针对所述定时窗的每个所述时间段识别所述多个已知事件之一；以及

基于与所述定时窗的所述时间段相关联的所述已知事件来检测所述当前事件。

14.如权利要求13所述的装置，其中，检测所述当前事件包括针对最大数量的时间段确定在所述定时窗内发生的所述已知事件。

15.如权利要求1所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：

将滑动定时窗应用于一系列的多组实测信道状态信息，其中，所述定时窗被分成多个时间段，以及每个时间段对应于所述多组实测信道状态信息中的一组；

确定具有在所述定时窗内的时间戳的所述实测信道状态信息的方差；以及

基于所述实测信道状态信息的方差来检测人运动。

16.如权利要求15所述的装置，其中，确定所述实测信道状态信息的方差包括：

选择具有在所述定时窗内的时间戳的特定的一组实测信道状态信息，

对于具有在所述定时窗内的时间戳的其它组实测信道状态信息中的每一组，计算表示在所述特定的一组实测信道状态信息和其它组实测信道状态信息之间的相似性的相似性值，以及

基于所述相似性值来确定所述实测信道状态信息的方差。

17.如权利要求16所述的装置，其中，所述发射机或所述接收机中的至少一个具有两个或更多个天线，每对发射机天线和接收机天线形成在所述发射机和所述接收机之间的链路，至少两个链路在所述发射机和所述接收机之间形成，以及

其中，确定所述实测信道状态信息的方差包括：对于所述定时窗中的每个时间段，确定跨越不同链路的所述相似性值的平均值，以及确定所平均的相似性值的方差。

18.如权利要求15所述的装置，其中，检测人运动包括当具有在所述定时窗内的时间戳的所述实测信道状态信息的所述方差大于阈值时检测出人运动。

19.如权利要求1所述的装置，其中，所述一组训练信道状态信息或所述一组实测信道状态信息中的至少一个包括与所述无线发射机和所述无线接收机之间的无线多径信道相关联的信道脉冲响应或信道频率响应中的至少一个。

20.如权利要求1所述的装置，其中，所述至少一个第一探测信号和所述至少一个第二探测信号中的每一个包括脉冲信号或伪随机序列中的至少一个。

21.如权利要求1所述的装置，

其中，所述无线发射机和所述无线接收机中的每一个具有至少一个天线，

其中，每组训练信道状态信息从所述至少一个第一探测信号之一获得，所述至少一个第一探测信号在所述已知事件之一发生的时间段期间通过无线多径信道从至少一个无线发射机天线之一被发送到至少一个无线接收机天线之一，以及

其中，每组实测信道状态信息从所述至少一个第二探测信号之一获得，所述至少一个第二探测信号通过无线多径信道从至少一个无线发射机天线之一被发送到至少一个无线接收机天线之一。

22.如权利要求1所述的装置，其中，所述至少一个分类器包括基于统计的分类器，以及训练所述至少一个分类器包括：

对于在每个发射机天线和每个接收机天线之间的每个链路，

接收与特定的已知事件相关联的多组训练信道状态信息，以及

识别表示与特定的已知事件相关联的多组训练信道状态信息的代表性的一组训练信道状态信息；以及

使用所述代表性的一组训练信道状态信息来训练所述至少一个分类器。

23.如权利要求22所述的装置，其中，训练所述至少一个分类器包括：

计算多个类别内时间反演共振强度参数值，所述类别内时间反演共振强度参数值中的每一个基于与特定的已知事件相关联的代表性的一组信道状态信息和与所述特定的已知事件相关联的其它组信道状态信息来被计算，以及

基于所述多个类别内时间反演共振强度参数值来训练所述至少一个分类器。

24.如权利要求23所述的装置，其中，训练所述基于统计的分类器包括：

在识别所述代表性的一组训练信道状态信息之前补偿在所述多组训练信道状态信息中的相位偏移；

估计表示(1-TR)或TR的参数的位置和比例缩放参数，其中，TR表示所述类别内时间反演共振强度参数值；以及

建立训练数据库，该训练数据库包括关于如下的信息：对于在发射机天线和接收机天线之间的每个链路，对于待检测的每个已知事件，表示(1-TR)或TR的参数的位置和比例缩放参数，以及与所述已知事件和所述链路相关联的所述代表性的一组信道状态信息。

25.如权利要求1所述的装置，其中，将所述分类器应用于所述一组实测信道状态信息或从所述一组实测信道状态信息获得的数据中的至少之一包括：

如果有相位偏移的话，补偿每组实测信道状态信息的相位偏移，

对于在每个发射机天线和每个接收机天线之间的每个链路，对于每个已知事件，

计算第二组类别内时间反演共振强度参数值，所述类别内时间反演共振强度参数值中的每一个基于与所述链路和所述已知事件相关联的所述一组实测信道状态信息和代表性的一组信道状态信息来被计算；以及

基于从所述第二组类别内时间反演共振强度参数值获得的信息来确定所述已知事件中的哪一个匹配所述当前事件。

26.如权利要求1所述的装置，其中，通过互联网协议网络、局域网、无线网络、移动网络或存储介质中的至少一个来获得所述至少一组训练信道状态信息或所述一组实测信道状态信息中的至少一个。

27.如权利要求1所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：基于所述一组实测信道状态信息和关于所述已知事件中的哪一个匹配所述当前事件的信息来更新所述至少一个分类器。

28.如权利要求27所述的装置，其中，所述存储设备还存储当由所述处理器执行时使所述处理器执行如下操作的指令：基于所述一组实测信道状态信息、与所述一组实测信道状态信息相关联的一组辅助信息、与所述至少一个分类器相关联的输出和关于所述已知事件中的哪一个匹配所述当前事件的信息来更新存储。

29.一种用于消除在估计信道状态信息(CSI)中的相位偏移残差的方法，所述方法包括：

a.从设备接收无线信号；

b.估计由采样频率偏移(SFO)和符号定时偏移(STO)产生的在所述估计信道状态信息中的线性相位偏移；

c.估计由载波频率偏移(CFO)产生的在所述信道状态信息中的公共相位偏移；以及

d.在不参考任何参考信道状态信息的情况下，在接收机处获得干净的信道状态信息。

30.如权利要求29所述的方法，其中，估计所述线性相位偏移包括基于原始信道状态信息和它的偏移版本的逐个元素乘积来获得线性相位系数。

31.如权利要求29所述的方法，其中，估计所述公共相位偏移包括基于在每个子载波上的复值信道状态信息的平均值的角度来估计信道状态信息的样本的公共相位分量。

32.一种用于使用WiFi信号来监控事件的方法，所述方法包括：

对于可在场所中发生的多个已知事件中的每一个，收集关于在所述已知事件发生时的至少一个时间段期间在所述场所中的从发射机发送到接收机的WiFi信号的特性的第一信息，其中，所述WiFi信号符合IEEE 802.11标准；以及

监控所述场所，包括确定关于在第二时间段期间在所述场所中的从所述发射机发送到所述接收机的WiFi信号的特性的第二信息，比较所述第二信息与所述第一信息，或比较从所述第二信息获得的数据与从所述第一信息获得的数据，以及基于所述比较来确定在所述第二时间段期间在所述场所处正在发生哪个已知事件；

其中，关于所述WiFi信号的特性的所述第一信息包括从在所述第一时间段期间自所述发射机发送到所述接收机的所述WiFi信号获得的至少第一组信道状态信息，以及关于所述WiFi信号的特性的所述第二信息包括从在所述第二时间段期间自所述发射机发送到所述接收机的所述WiFi信号获得的至少第二组信道状态信息，

其中，比较所述第二信息与所述第一信息包括比较所述第二组信道状态信息与所述第一组信道状态信息，以及

其中，比较从所述第二信息获得的数据与从所述第一信息获得的数据包括比较从所述第二组信道状态信息获得的数据与从所述第一组信道状态信息获得的数据。

33.如权利要求32所述的方法，包括：

对于可在场所中发生的多个已知事件中的每一个，从在所述已知事件发生时的所述至少一个时间段期间在所述场所中的从发射机发送到接收机的WiFi信号估计多组第一信道状态信息；以及

对所述已知事件中的每一个，使用多组所估计的第一信道状态信息来训练基于统计的分类器；以及

将所述基于统计的分类器应用于所述第二组信道状态信息以确定所述已知事件中的哪一个在所述第二时间段期间在所述场所处发生。

34.如权利要求33所述的方法，包括：

在接收机处在连续的时间段期间接收从发射机发送的一系列WiFi信号；

将滑动定时窗应用于所述一系列WiFi信号或从所述一系列WiFi信号获得的数据中的至少之一，所述滑动定时窗跨越几个连续的时间段，每个时间段对应于在所述一系列WiFi信号中的所述WiFi信号之一；

对于在所述定时窗中的每个时间段，将所述基于统计的分类器应用于与所述时间段相关联的所估计的第二信道状态信息以估计在所述时间段所述已知事件中的哪一个正在发生；以及

识别在所述定时窗内发生最高次数的已知事件。

35.如权利要求33所述的方法，包括：

在接收机处在连续的时间段期间接收从发射机发送的一系列WiFi信号；

将滑动定时窗应用于所述一系列WiFi信号或从所述一系列WiFi信号获得的数据中的至少之一，所述滑动定时窗跨越几个连续的时间段，每个时间段对应于在所述一系列WiFi信号中的所述WiFi信号之一；

确定在所述定时窗内的所述WiFi信号或从所述WiFi信号获得的数据的方差；以及

基于在所述定时窗内的所述WiFi信号或从所述WiFi信号获得的数据中的至少之一的所述方差与预定阈值的比较来检测人运动。

36.如权利要求33所述的方法，其中，所述发射机具有至少一个天线，以及所述接收机具有至少一个天线；

其中，所述方法包括对于可在场所中发生的所述多个已知事件中的每一个以及对于在发射机天线和接收机天线之间的每个链路，从在所述已知事件发生时的至少一个时间段期间从所述发射机天线发送到所述接收机天线的WiFi信号确定多组第一信道状态信息，以及

其中，训练所述基于统计的分类器包括：

对于所述已知事件中的每一个，补偿在多组训练信道状态信息中的相位偏移；

对于所述已知事件中的每一个且对于在发射机天线和接收机天线之间的每个链路，确定表示与所述已知事件和所述链路相关联的多组信道状态信息的代表性的一组信道状态信息；

计算每个已知事件的类别内时间反演共振强度参数值，其中，所述类别内时间反演共振强度参数值中的每一个基于与所述已知事件相关联的代表性的一组信道状态信息和与所述已知事件相关联的其它组信道状态信息来被计算，以及

基于所述类别内时间反演共振强度参数值来训练所述基于统计的分类器。

37.如权利要求33所述的方法，其中，训练所述基于统计的分类器包括：

估计表示(1-TR)或TR的参数的位置和比例缩放参数，其中，TR表示类别内时间反演共振强度参数值；以及

建立训练数据库，该训练数据库包括关于如下的信息：对于在发射机天线和接收机天线之间的每个链路，对于待检测的每个已知事件，表示(1-TR)或TR的参数的位置和比例缩放参数，以及与所述已知事件和所述链路相关联的所述代表性的一组信道状态信息。

38.如权利要求36所述的方法，其中，将所述基于统计的分类器应用于所述第二组信道状态信息以确定所述已知事件中的哪一个在所述第二时间段期间在所述场所处发生包括：

补偿在所述第二组信道状态信息中的相位偏移；

对于每个所述已知事件，基于与所述已知事件相关联的所述代表性的一组信道状态信息和所述第二组信道状态信息来确定类别内时间反演共振强度参数值；

基于所述位置参数和比例缩放参数来确定统计度量，其中，所述统计度量是在与所述已知事件相关联的所述代表性的一组信道状态信息和所述第二组信道状态信息之间的相似性的测量；以及

基于所述统计度量来确定所述已知事件中的哪一个在所述第二时间段期间在所述场所处发生。

39.如权利要求38所述的方法，其中，所述已知事件包括一组正常事件和一组异常事件，所述正常事件表示不触发警报信号的事件，而所述异常事件表示触发警报信号的事件；

其中，将所述基于统计的分类器应用于所述第二组信道状态信息以确定所述已知事件中的哪一个在所述第二时间段期间在所述场所处发生包括：

确定正常事件是否在所述第二时间段期间在所述场所处发生，

如果正常事件在所述第二时间段期间未在所述场所处发生，则确定异常事件是否在所述第二时间段期间在所述场所处发生，以及

如果异常事件在所述第二时间段期间在所述场所处发生，则产生警报信号。

40.一种用于使用WiFi信号来监控事件的方法，所述方法包括：

对于可在场所中发生的多个已知事件中的每一个，在所述已知事件发生时的至少一个时间段期间在所述场所中将至少一个WiFi信号从发射机传输到接收机，其中，所述WiFi信号符合IEEE 802.11标准；

对于在所述接收机处接收的每个WiFi信号，从所述WiFi信号估计一组信道状态信息，其中，所述一组信道状态信息与关联于所述WiFi信号的已知事件相关联；

使用主分量分析基于所述已知事件和与所述已知事件相关联的多组信道状态信息来训练分类器，

在监控阶段期间，

在第二时间段期间将至少一个WiFi信号从所述发射机传输到所述接收机，

从在所述第二时间段期间在所述接收机处接收的所述WiFi信号确定第二组信道状态信息，以及

将所述分类器应用于所述第二组信道状态信息或从所述第二组信道状态信息获得的数据以确定所述已知事件中的哪一个在所述第二时间段期间发生。

41.如权利要求40所述的方法，其中，使用主分量分析来训练分类器包括：

补偿在多组信道状态信息中的相位偏移；

基于多组信道状态信息来产生特征向量；

使用主分量分析来产生具有减小数量的维度的新特征向量；以及

使用支持向量机(SVM)来训练将输入特征向量映射到所述多个已知事件之一的分类器。

42.如权利要求41所述的方法，其中，将所述分类器应用于所述第二组信道状态信息或从所述第二组信道状态信息获得的数据中的至少之一以确定所述已知事件中的哪一个在所述第二时间段期间发生包括：

补偿在所述第二组信道状态信息中的相位偏移；

基于所述第二组信道状态信息来产生第二特征向量；

将主分量分析应用于所述第二特征向量以产生具有减小数量的维度的第三特征向量；以及

将所述支持向量机应用于所述第三特征向量以产生具有关于所述已知事件中的哪一个在所述第二时间段期间发生的信息的输出。

43.如权利要求40所述的方法，其中，通过比较噪声级与阈值来检测人运动。

44.如权利要求40所述的方法，其中，通过跟踪天线相关性来检测人运动。

45.如权利要求40所述的方法，其中，通过跟踪在信道脉冲响应中的两个抽头之间的时间间隔的变化来检测人运动。