CN109474890A - 一种基于WiFi多普勒频移的室内目标被动跟踪方法 - Google Patents
一种基于WiFi多普勒频移的室内目标被动跟踪方法 Download PDFInfo
- Publication number
- CN109474890A CN109474890A CN201811556502.7A CN201811556502A CN109474890A CN 109474890 A CN109474890 A CN 109474890A CN 201811556502 A CN201811556502 A CN 201811556502A CN 109474890 A CN109474890 A CN 109474890A
- Authority
- CN
- China
- Prior art keywords
- target
- passive
- signal
- time
- csi
- 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.)
- Pending
Links
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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- 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
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种基于WiFi多普勒频移的室内目标被动跟踪方法。首先,利用WiFi信号子载波的信道状态信息(Channel State Information,CSI)幅值计算出离散系数,然后将其作为检测参数,并利用假设检验实现无源目标的检测;其次,对CSI进行短时傅里叶变换,得到信号的空间谱,从中提取多普勒频移值和对应的功率值,将功率值对应的时间序列作为目标移动方向标志判别特征;然后,根据对数衰减模型设计参考序列,利用动态时间规整(Dynamic Time Warping,DTW)进行序列匹配,识别出无源目标移动趋势;最后,根据多普勒频移与目标移动的几何关系估计出无源目标的移动速度,进而实现目标跟踪。相比现有的无源跟踪技术,本发明不需要进行离线数据采集和训练,且具有成本低、易于部署等优点。
Description
技术领域
本发明涉及无线跟踪技术领域,特别涉及一种基于WiFi多普勒频移的室内目标被动跟踪方法。
背景技术
随着消费方式的升级和移动互联网的蓬勃发展,越来越多的消费电子产品已经加上了智能的标签,并逐步进入消费者的日常生活,如智能家居、安全监控、虚拟现实、增强现实等,而轨迹跟踪作为这些应用的关键技术已经成为了一个研究热点。
基于视觉的跟踪技术能够达到较高的跟踪精度,但其依赖于高分辨率的图像或视频,且只能在可视环境和光线比较充足的环境下工作,在夜晚和昏暗等光线较暗的环境下精度严重降低,此外,该技术还涉及用户隐私且成本较高。近年来,随着无线网络技术的发展,基于无线信号的感知技术成为人们的研究热点。相比传统的无线主动跟踪技术,其需要用户携带移动设备或穿戴可穿戴设备,降低了用户的便利性,且在某些场景下并不适用例如入侵检测、行为监测;因此,基于无线信号的无源目标跟踪得到了许多研究学者的关注。在目前的无源跟踪技术中有些方法需要利用特定的设备例如雷达或自定义的硬件设备进行信号收发,其设备昂贵且普适性不强;部分算法需要在离线阶段采集数据并进行特征模型训练,然后在线采集数据进行匹配,这些方法容易受环境影响,即当室内环境发生变化时,例如物品位置改变或在环境中增加体积较大的物品,则需要重新采集数据训练。
发明内容
基于上述现有跟踪技术的缺陷和不足,本发明提供了一种基于WiFi多普勒频移的室内目标被动跟踪方法。相比于传统的跟踪技术,本发明不需要目标携带任何信号收发设备,且不需要进行离线数据的采集与训练。此外,本发明利用现有WiFi设备,成本低且易于部署。
本发明所采用的技术方案为:一种基于WiFi多普勒频移的室内目标被动跟踪方法,具体包括以下步骤:
1)WiFi接收机提取接收信号的信道状态信息(Channel State Information,CSI)幅值 |H(f,t)|在时间窗口T内的离散系数c作为检测参数,将相邻时间窗口内的离散系数比R作为目标检测特征,利用假设检验进行无源目标检测;
2)对CSI的功率|H(f,t)|2进行短时傅里叶变换得到时频空间谱,提取功率-时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征,其中1代表无源目标远离收发链路,信号传播路径长度增长,-1代表无源目标靠近收发链路,信号传播路径长度减小;
3)利用对数函数生成的功率-时间序列作为参考序列,将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M-1,将随时间对数减少的功率序列作为目标远离收发链路的参考序列M+1;
进一步,对于所述步骤1)中无源目标检测,具体包括:
首先,计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A,其表示为:
其中,K是子载波数,fc是中心频率,fk和|H(fk,t)|分别表示第k个子载波在t时刻的频率和对应的CSI幅值。利用多子载波CSI幅值自协方差矩阵Rxx=cov(HT)的最大特征值作为方差更能体现信号的偏离程度,其标准差可表示为:
其中,cov(·)表示求自相关矩阵,|HT|表示时间窗口T内的K个子载波的CSI幅值,max(·) 表示取最大值,λ表示自协方差矩阵Rxx的特征值集合。
然后,将相邻时间窗口的离散系数比作为检测参数。由于在静默环境下有R~N(1,σR),利用假设检验原理计算出静态环境下R阈值区间为:
1-σR×zα/2<R<1+σR×zα/2 (3)
其中,σR表示监测时间内R的方差,zα/2表示在显著性水平α时的分位点。当R值在阈值区间以外时,则认为有目标在监测区域运动,反之则认为没有目标运动。
进一步,对于所述步骤3)中参考模板构建,具体包括:
室内信号传播常采用对数正态模型,可表示为:
P(d)=P(d0)-10nlg(d/d0) (4)
P(d)是在收发设备相隔d时接收到的信号功率值,P(d0)是在收发设备相隔为d0(一般取1m)时的信号功率值,n是路径损耗系数。信号接收功率的变化与信号传播路径d成反比。将时间窗口w内的功率-时间序列作为参考序列,其表示为:
Pw=μp-10lg(D) (5)
其中,μp是w时间内实测信号的能量均值,D=[d1 d2 ... dw]是在检测范围内的信号传播路径长度的变化序列。将路径长度不断增长时的Pw作为远离链路的参考序列M+1,将路径长度不断减少时的Pw作为靠近链路的参考序列M-1。
附图说明
图1为本发明系统流程图
图2为本发明信号传播系统图
图3为本发明速度分解示意图
具体实施方式
下面结合附图对本发明作进一步详细描述:
本发明所采用的技术方案为:一种基于WiFi多普勒频移的室内目标被动跟踪方法,具体包括以下步骤:
1)WiFi接收机提取接收信号的信道状态信息(Channel State Information,CSI)幅值 |H(f,t)|在时间窗口T内的离散系数c作为检测参数,将相邻时间窗口内的离散系数比R作为目标检测特征,利用假设检验进行无源目标检测;具体步骤包括:
首先,计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A,其表示为:
其中,K是子载波数,fc是中心频率,fk和|H(fk,t)|分别表示第k个子载波在t时刻的频率和对应的CSI幅值。利用多子载波CSI幅值自协方差矩阵Rxx=cov(HT)的最大特征值作为方差更能体现信号的偏离程度,其标准差可表示为:
其中,cov(·)表示求自相关矩阵,|HT|表示时间窗口T内的K个子载波的CSI幅值,max(·) 表示取最大值,λ表示自协方差矩阵Rxx的特征值集合。
然后,将相邻时间窗口的离散系数比作为检测参数。由于在静默环境下有R~N(1,σR),利用假设检验原理计算出静态环境下R阈值区间为:
1-σR×zα/2<R<1+σR×zα/2 (3)
其中,σR表示监测时间内R的方差,zα/2表示在显著性水平α时的分位点。当R值在阈值区间以外时,则认为有目标在监测区域运动,反之则认为没有目标运动。
2)对CSI的功率|H(f,t)|2进行短时傅里叶变换得到时频空间谱,提取功率-时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征,其中1代表无源目标远离收发链路,信号传播路径长度增长,-1代表无源目标靠近收发链路,信号传播路径长度减小;具体步骤包括:
接收到的CSI包括静态反射和动态反射信号,其中静态反射信号的信道频率响应不随时间发生改变,动态反射信号随着目标移动而发生变化,表示为:
其中,Hs(f)表示的是所有静态路径的信道状态信息,表示所有动态反射信号的信道状态信息,λ表示信号波长,αn(t)、sn(t)分别表示第n条路径的衰减和传播路径长度,ψ表示由载波频率和时钟偏移引起的未知相位偏移。
利用CSI功率|H(f,t)|2来消除未知的相位偏移,利用巴特沃斯带通滤波器滤除高频和低频噪声,然后对滤波后的CSI功率进行短时傅里叶变换,得到包含多普勒频移、功率、时间的空间谱图。然后从中提取每个时刻的多普勒频移和对应的功率值,将功率-时间序列作为方向判别S∈{1,-1}的特征。当无源目标远离收发链路时,即信号传播路径长度增加,令S=1,当目标靠近链路时,信号传播路径长度减小,令S=-1。
3)利用对数函数生成的功率-时间序列作为参考序列,将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M-1,将随时间对数减少的功率序列作为目标远离收发链路的参考序列M+1;具体步骤包括:
室内信号传播常采用对数正态模型,可表示为:
P(d)=P(d0)-10nlg(d/d0) (5)
P(d)是在收发设备相隔d时接收到的信号功率值,P(d0)是在收发设备相隔为d0(一般取 1m)时的信号功率值,n是路径损耗系数。信号接收功率的变化与信号传播路径d成反比。将时间窗口w内的功率-时间序列作为参考序列,其表示为:
Pw=μp-10lg(D) (6)
其中,μp是w时间内实测信号的能量均值,D=[d1 d2 ... dw]是在检测范围内的信号传播路径长度的变化序列。将路径长度不断增长时的Pw作为远离链路的参考序列M+1,将路径长度不断减少时的Pw作为靠近链路的参考序列M-1。
4)利用动态时间规整(Dynamic Time Warping,DTW)算法将所述步骤3)中的功率-时间序列Me作为测试序列,分别与参考序列M+1、M-1进行匹配,根据相似度大小实现无源目标移动方向判别。当Me与M+1的距离d+1大于Me与M-1的距离d-1,表示Me与M-1匹配度更高,则认为在该段时间内目标在靠近链路,方向标志S=-1,反之,则认为在该段时间内目标在远离链路,方向标志S=1。
5)基于多普勒频移产生原理,构建多普勒频移fD、移动方向标志S和目标移动速度v=(vx,vy)的线性方程,求解得到目标移动速度,然后根据Lt=Lt-1+v·Δt实现目标跟踪 L=(xh,yh)。具体步骤包括:
多普勒频移与信号传播在时间Δt内的路程差有关,即根据路程差变化率与目标移动速度构建方程。根据图2所示的信号传播示意图可知,本发明中信号传播路径由两部分构成:发射机到目标的传播路径和目标到接收机的传播路径,所以路程差变化速率与目标移动速度的关系可表示为:
λfD=vcosθ1+vcosθ2 (7)
其中,v表示目标移动的速率,θ1、θ2分别表示目标移动方向与信号传播路径的夹角。将目标移动速度分解为水平方向和垂直方向的分量(vx,vy),则公式(7)可表示为:
λfD=vx(cosα+cosβ)+vy(sinα+sinβ) (8)
其中,α表示发射机发送到目标时信号传播方向与水平方向的夹角,β表示信号经目标反射到接收机时的传播方向与水平方向的夹角。令发射机位置为(xT,yT),接收机位置为(xR,yR),行人位置为(xH,yH),则:
由于提取的多普勒频移是绝对值,当路程减少时路程差为负,因此,引入步骤4)所得方向标志S,则路径长度变化速率为vpath=λSfD,且令ax=cosα+cosβ,ay=sinα+sinβ,,将公式(8)表示为vpath=vxax+vyay。
以发射设备和接收设备为焦点做椭圆,将移动速度分解为与椭圆相切的径向速度和切向速度,根据椭圆性质,只有径向速度影响路径长度变化。如图3所示,只有一台接收机时,由于缺乏切向速度不能准确估计目标的运动速度因此,通过增加接收机增加速度估计精度。当有n条收发链路时:
Av=vpath (9)
其中,所以,可得到移动速度v为:
v=(ATA)-1ATvpath (10)
已知目标位置初始点L0=(xh0,yh0),则根据目标移动速度可实现轨迹跟踪:
Lt=Lt-1+v·Δt (11) 。
Claims (3)
1.一种基于WiFi多普勒频移的室内目标被动跟踪方法,其特征在于,包括以下步骤:
1)WiFi接收机提取接收信号的信道状态信息(Channel State Information,CSI)幅值|H(f,t)|在时间窗口T内的离散系数c作为检测参数,将相邻时间窗口内的离散系数比R作为目标检测特征,利用假设检验进行无源目标检测;
2)对CSI进行短时傅里叶变换得到时频空间谱,提取功率-时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征,其中1代表无源目标远离收发链路,信号传播路径增长,-1代表无源目标靠近收发链路,信号传播路径减小;
3)利用对数函数生成的功率-时间序列作为参考序列,将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M-1,将随时间对数减少的功率序列作为目标远离收发链路的参考序列M+1。
2.基于权利要求1中所述的一种基于WiFi多普勒频移的室内目标被动跟踪方法,其特征在于:所述步骤1)中无源目标检测,具体包括:
首先,计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A,其表示为:
其中,K是子载波数,fc是中心频率,fk和|H(fk,t)|分别表示第k个子载波在t时刻的频率和对应的CSI幅值。利用多子载波CSI幅值自协方差矩阵Rxx=cov(HT)的最大特征值作为方差更能体现信号的偏离程度,其标准差可表示为:
其中,cov(·)表示求自相关矩阵,|HT|表示时间窗口T内的K个子载波的CSI幅值,max(·)表示取最大值,λ表示自协方差矩阵Rxx的特征值集合。
然后,将相邻时间窗口的离散系数比作为检测参数。由于在静默环境下有R~N(1,σR),利用假设检验原理计算出静态环境下R阈值区间为:
1-σR×zα/2<R<1+σR×zα/2 (3)
其中,σR表示监测时间内R的方差,zα/2表示在显著性水平α时的分位点。当R值在阈值区间以外时,则认为有目标在监测区域运动,反之则认为没有目标运动。
3.基于权利要求1中所述的一种基于WiFi多普勒频移的室内目标被动跟踪方法,其特征在于:所述步骤3)中参考序列构建,具体包括:
室内信号传播常采用对数正态模型,可表示为:
P(d)=P(d0)-10nlg(d/d0) (4)
P(d)是在收发设备相隔d时接收到的信号功率值,P(d0)是在收发设备相隔为d0(一般取1m)时的信号功率值,n是路径损耗系数。信号接收功率的变化与信号传播路径d成反比。将时间窗口w内的功率-时间序列作为参考序列,其表示为:
Pw=μp-10lg(D) (5)
其中,μp是w时间内实测信号的能量均值,D=[d1 d2 ... dw]是在检测范围内的信号传播路径的变化序列。将路径长度不断增长时的Pw作为远离链路的参考序列M+1,将路径长度不断减少时的Pw作为靠近链路的参考序列M-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556502.7A CN109474890A (zh) | 2018-12-19 | 2018-12-19 | 一种基于WiFi多普勒频移的室内目标被动跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811556502.7A CN109474890A (zh) | 2018-12-19 | 2018-12-19 | 一种基于WiFi多普勒频移的室内目标被动跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109474890A true CN109474890A (zh) | 2019-03-15 |
Family
ID=65675262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811556502.7A Pending CN109474890A (zh) | 2018-12-19 | 2018-12-19 | 一种基于WiFi多普勒频移的室内目标被动跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109474890A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149604A (zh) * | 2019-05-05 | 2019-08-20 | 西北工业大学 | 一种基于wifi信号的人员检测方法 |
CN110337066A (zh) * | 2019-05-21 | 2019-10-15 | 西安电子科技大学 | 基于信道状态信息室内人员活动识别方法、人机交互系统 |
CN110414479A (zh) * | 2019-08-08 | 2019-11-05 | 燕山大学 | 一种饮水行为感知方法、连续和非连续动作分割识别方法 |
CN110809240A (zh) * | 2019-11-05 | 2020-02-18 | 重庆邮电大学 | 一种基于WiFi多维参数特征的室内目标被动跟踪方法 |
CN110852266A (zh) * | 2019-11-11 | 2020-02-28 | 重庆邮电大学 | 一种基于无线信号的步态特征提取方法 |
CN110927666A (zh) * | 2019-11-08 | 2020-03-27 | 西北大学 | 一种基于LoRa信号的非接触式检测定位方法及系统 |
CN111142068A (zh) * | 2019-12-25 | 2020-05-12 | 西安交通大学 | 一种基于提取目标直接反射径方法的无源定位方法 |
CN111176296A (zh) * | 2020-01-20 | 2020-05-19 | 重庆邮电大学 | 一种基于条形码码盘的移动机器人编队的控制方法 |
CN112034433A (zh) * | 2020-07-09 | 2020-12-04 | 重庆邮电大学 | 一种基于干扰信号重构的穿墙无源移动目标检测方法 |
CN112741617A (zh) * | 2019-10-30 | 2021-05-04 | 成都易书桥科技有限公司 | 一种基于csi的全方向步态检测算法 |
CN113741434A (zh) * | 2021-08-18 | 2021-12-03 | 佛山市兴颂机器人科技有限公司 | 一种基于磁导航的岔路口行驶控制方法及系统 |
CN116347357A (zh) * | 2023-04-17 | 2023-06-27 | 天津大学 | 一种将运动限制嵌入神经网络的室内无线被动定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105960014A (zh) * | 2016-05-27 | 2016-09-21 | 北京邮电大学 | 无源定位方法及系统 |
WO2017164639A3 (en) * | 2016-03-22 | 2018-08-23 | Samsung Electronics Co., Ltd. | Signal transmitting and receiving methods in a filtering-based carrier modulation system and apparatuses thereof |
CN108490427A (zh) * | 2018-02-07 | 2018-09-04 | 浙江大学 | 一种运动目标室内定位及实时追踪方法 |
CN108736987A (zh) * | 2018-05-09 | 2018-11-02 | 上海大学 | 一种基于WiFi的信道状态信息的多普勒频移测量方法 |
CN108882171A (zh) * | 2018-06-14 | 2018-11-23 | 西北师范大学 | 一种基于csi的人员轨迹跟踪方法 |
CN108924736A (zh) * | 2018-06-14 | 2018-11-30 | 西北师范大学 | 一种基于PCA-Kalman的无源室内人员状态检测方法 |
CN108957399A (zh) * | 2018-07-05 | 2018-12-07 | 北京航空航天大学 | 一种利用lte信号信道状态信息实现运动检测的方法 |
-
2018
- 2018-12-19 CN CN201811556502.7A patent/CN109474890A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017164639A3 (en) * | 2016-03-22 | 2018-08-23 | Samsung Electronics Co., Ltd. | Signal transmitting and receiving methods in a filtering-based carrier modulation system and apparatuses thereof |
CN105960014A (zh) * | 2016-05-27 | 2016-09-21 | 北京邮电大学 | 无源定位方法及系统 |
CN108490427A (zh) * | 2018-02-07 | 2018-09-04 | 浙江大学 | 一种运动目标室内定位及实时追踪方法 |
CN108736987A (zh) * | 2018-05-09 | 2018-11-02 | 上海大学 | 一种基于WiFi的信道状态信息的多普勒频移测量方法 |
CN108882171A (zh) * | 2018-06-14 | 2018-11-23 | 西北师范大学 | 一种基于csi的人员轨迹跟踪方法 |
CN108924736A (zh) * | 2018-06-14 | 2018-11-30 | 西北师范大学 | 一种基于PCA-Kalman的无源室内人员状态检测方法 |
CN108957399A (zh) * | 2018-07-05 | 2018-12-07 | 北京航空航天大学 | 一种利用lte信号信道状态信息实现运动检测的方法 |
Non-Patent Citations (2)
Title |
---|
DANDAN YANG等: "Doppler Shift Measurement Using Complex-Valued CSI of WiFi in Corridors", 《 2018 3RD INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATION SYSTEMS (ICCCS)》 * |
张光星等: "多普勒频移对网络定位的影响", 《信息技术》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149604A (zh) * | 2019-05-05 | 2019-08-20 | 西北工业大学 | 一种基于wifi信号的人员检测方法 |
CN110149604B (zh) * | 2019-05-05 | 2021-07-06 | 西北工业大学 | 一种基于wifi信号的人员检测方法 |
CN110337066B (zh) * | 2019-05-21 | 2021-04-16 | 西安电子科技大学 | 基于信道状态信息室内人员活动识别方法、人机交互系统 |
CN110337066A (zh) * | 2019-05-21 | 2019-10-15 | 西安电子科技大学 | 基于信道状态信息室内人员活动识别方法、人机交互系统 |
CN110414479A (zh) * | 2019-08-08 | 2019-11-05 | 燕山大学 | 一种饮水行为感知方法、连续和非连续动作分割识别方法 |
CN110414479B (zh) * | 2019-08-08 | 2021-11-16 | 燕山大学 | 一种饮水行为感知方法、连续和非连续动作分割识别方法 |
CN112741617A (zh) * | 2019-10-30 | 2021-05-04 | 成都易书桥科技有限公司 | 一种基于csi的全方向步态检测算法 |
CN110809240A (zh) * | 2019-11-05 | 2020-02-18 | 重庆邮电大学 | 一种基于WiFi多维参数特征的室内目标被动跟踪方法 |
CN110927666A (zh) * | 2019-11-08 | 2020-03-27 | 西北大学 | 一种基于LoRa信号的非接触式检测定位方法及系统 |
CN110927666B (zh) * | 2019-11-08 | 2023-03-28 | 西北大学 | 一种基于LoRa信号的非接触式检测定位方法及系统 |
CN110852266A (zh) * | 2019-11-11 | 2020-02-28 | 重庆邮电大学 | 一种基于无线信号的步态特征提取方法 |
CN111142068A (zh) * | 2019-12-25 | 2020-05-12 | 西安交通大学 | 一种基于提取目标直接反射径方法的无源定位方法 |
CN111142068B (zh) * | 2019-12-25 | 2022-07-12 | 西安交通大学 | 一种基于提取目标直接反射径方法的无源定位方法 |
CN111176296A (zh) * | 2020-01-20 | 2020-05-19 | 重庆邮电大学 | 一种基于条形码码盘的移动机器人编队的控制方法 |
CN111176296B (zh) * | 2020-01-20 | 2022-06-03 | 重庆邮电大学 | 一种基于条形码码盘的移动机器人编队的控制方法 |
CN112034433A (zh) * | 2020-07-09 | 2020-12-04 | 重庆邮电大学 | 一种基于干扰信号重构的穿墙无源移动目标检测方法 |
CN112034433B (zh) * | 2020-07-09 | 2024-01-12 | 深圳市领冠检测技术有限公司 | 一种基于干扰信号重构的穿墙无源移动目标检测方法 |
CN113741434A (zh) * | 2021-08-18 | 2021-12-03 | 佛山市兴颂机器人科技有限公司 | 一种基于磁导航的岔路口行驶控制方法及系统 |
CN113741434B (zh) * | 2021-08-18 | 2024-02-02 | 佛山市兴颂机器人科技有限公司 | 一种基于磁导航的岔路口行驶控制方法及系统 |
CN116347357A (zh) * | 2023-04-17 | 2023-06-27 | 天津大学 | 一种将运动限制嵌入神经网络的室内无线被动定位方法 |
CN116347357B (zh) * | 2023-04-17 | 2023-10-20 | 天津大学 | 一种将运动限制嵌入神经网络的室内无线被动定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474890A (zh) | 一种基于WiFi多普勒频移的室内目标被动跟踪方法 | |
Wang et al. | Device-free human activity recognition using commercial WiFi devices | |
CN104951757B (zh) | 一种基于无线信号的动作检测和识别的方法 | |
Xu et al. | WiStep: Device-free step counting with WiFi signals | |
Huang et al. | Indoor device-free activity recognition based on radio signal | |
Xu et al. | Attention-based gait recognition and walking direction estimation in wi-fi networks | |
Liu et al. | A research on CSI-based human motion detection in complex scenarios | |
Li et al. | Wireless localisation in WiFi using novel deep architectures | |
Xu et al. | Statistical learning over time-reversal space for indoor monitoring system | |
Li et al. | Di-gesture: Domain-independent and real-time gesture recognition with millimeter-wave signals | |
Ge et al. | LoGait: LoRa Sensing System of Human Gait Recognition using Dynamic Time Wraping | |
CN105844756B (zh) | 一种基于射频反向散射信号的人数计数方法 | |
Fan et al. | Measurements and characterization for the vehicle-to-infrastructure channel in urban and highway scenarios at 5.92 GHz | |
Tegou et al. | Using auditory features for WiFi channel state information activity recognition | |
Liang et al. | LiWi-HAR: Lightweight WiFi based Human Activity Recognition using Distributed AIoT | |
CN110852266A (zh) | 一种基于无线信号的步态特征提取方法 | |
Islam et al. | Occupant entry and exit event extraction using continuous wave (CW) Doppler radar and wavelet analysis | |
Fan et al. | WiVi: WiFi-video cross-modal fusion based multi-path gait recognition system | |
Raeis et al. | InARMS: Individual activity recognition of multiple subjects with FMCW radar | |
Yang et al. | An identity perception algorithm based on WiFi channel state information | |
Zhang et al. | Gait cycle detection using commercial WiFi device | |
Wang et al. | Matched averaging federated learning gesture recognition with WiFi signals | |
Ali et al. | The human activity recognition using radio frequency signals | |
TWI541735B (zh) | 應用小波轉換於電波訊號強度變化之人數監控系統及方法 | |
Chang et al. | We Can" See" You via Wi-Fi-WiFi Action Recognition via Vision-based Methods |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190315 |