CN109587645A - 基于信道状态信息的室内环境下人员识别方法 - Google Patents

Abstract

本发明公开了一种基于信道状态信息的室内环境下人员识别方法，包括如下步骤：步骤1：采集目标人员在无线链路通道中的CSI信号；步骤2：提取CSI信号中子载波的幅值和相位信息，作为目标人员的识别特征；步骤3：将目标人员的识别特征与数据库中已确定身份人员的特征进行比对，进而识别出目标人员。本发明采用物理层信息CSI作为室内环境下人员检测评价因子，CSI能够从普通商用WiFi设备上提取出来，加上WiFi基础设施的广泛部署，这使得获得CSI信息变得简单可行。只对CSI进行简单的滤波，提取均值和峰态作为特征，减少了相关的计算与实际的开销。

Description

基于信道状态信息的室内环境下人员识别方法

技术领域

本发明是一种适用于室内环境下的基于信道状态信息(Channel StateInformation,CSI)的人员识别方案，该方案主要采用的是物理层的信道状态信息CSI，CSI因其细粒度的特征和对环境的高敏感度等优势使其在环境感知领域发挥重要的作用。该方案主要内容是从无线链路通道中提取CSI信息，然后进行去噪，再从中提取均值、峰态等特征作为识别指标，从而达到粗略识别不同人的目的。本发明属于物联网情景感知领域。

背景技术

随着信息时代的到来，无线通信技术得到快速发展，无线局域网也变得非常普及，学校、商场、咖啡店、家庭都可以连接上WiFi信号，这些广泛部署的WiFi设备为基于WiFi的情景感知技术提供了物理基础。

WiFi信号不仅可以用于传输数据，无线电波在传播的过程中会因为室内的人或物体而产生各种直射、反射、散射，在接收机处形成多径叠加信号，这些信号受到室内环境的影响，因此携带了反映室内环境特征的信息。目前基于WLAN的情景感知技术的研究大都从RSSI(接受信号强度)着手。最具代表性的是基于RSSI的无线室内定位，除此之外还有人员检测、动作识别等。RSSI的强弱一定程度上是可以反映信道质量的好坏，但RSSI刻画的是多径传播信号的叠加效果，要想得到更多的环境信息，我们需要更多的细粒度的信息。而CSI作为物理层信息，有诸多MAC层不可见的信道信息。CSI不仅测量每个子载波幅度信息，还测量每个子载波的相位信息，更是把RSSI扩展到了频域。我们可以从CSI中提取更加细粒度且鲁棒性更强的信号特征，从而在时域和频域上感知更细微的环境信息，提升WIFI信号对环境的感知能力。

CSI对于不同的环境可呈现不同的子载波幅度和相位特征，而对于相同的环境，CSI的整体结构特征则可能保持相对稳定。而在同一环境下，不同人对信道状态信息的干扰不同，接收到的CSI就携带了不同人的特征，基本可以判断人员的不同。本发明的意义在于：设计了一种基于CSI的人员识别方法，为基于商业WiFi的室内人员识别的情景感知实现奠定基础。

发明内容

本发明是一种适用于室内环境下的人员识别方案，该方案主要采用物理层信道状态信息(Channel State Information，CSI)利用CSI信息时间稳定性好、对动态环境干扰抵抗力强、对链路周围人员存在敏感性强等优势，通过在室内环境下，从无线链路通道中提取人的静态和动态两个状态的CSI信息，对采集到的CSI信息先进行去噪，再提取相应的静态和动态特征值作为识别指标，然后结合支持向量机来达到区分不同人员的目的。

本发明是通过以下技术方案实现的：

基于信道状态信息的室内环境下人员识别方法，包括如下步骤：

步骤1：采集目标人员在无线链路通道中的CSI信号；

步骤2：提取CSI信号中子载波的幅值和相位信息，作为目标人员的识别特征；

步骤3：将目标人员的识别特征与已确定身份人员的特征进行比对，进而识别出目标人员。

优选的，该方法所使用的设备包括WIFI设备、无线信号接收机、安装有Ubuntu系统、无线网卡、virtual CSI以及CSI Tool工具的工控机、安装有控制系统的电脑；所述工控机将采集的WIFI信号生成CSI信号并保存为信包文件，然后将信包文件传输给控制系统；控制系统提取CSI信号中子载波的幅值和相位信息，生成目标人员的二维识别特征，与已有特征进行算法比较，进而识别出目标人员。

优选的，步骤2中，所述识别特征包括目标人员的静态特征和动态特征，所述静态特征为目标人员处于静态时的时域的CSI幅值信息，所述动态特征为目标人员处于动态时的频域的CSI幅值信息。

优选的，所述静态特征为目标人员处于静态时所采集的CSI信号时域的子载波的幅值的均值。

优选的，所述动态特征为将目标人员处于动态时所采集的CSI信号经过快速傅里叶变换生成的频域数据的幅值的峰态。

优选的，步骤1还包括对所采集CSI信号进行低通滤波处理。

优选的，步骤3中，将已确认身份的人员的识别特征及其身份信息作为训练样本，放入SVM分类器里进行训练，然后导出训练模型用于后续对目标人员的识别特征进行分类。

与现有技术相比，本实施例具有以下有益效果：

1.简便性

方案采用物理层信息CSI作为室内环境下人员检测评价因子，CSI能够从普通商用WiFi设备上提取出来，加上WiFi基础设施的广泛部署，这使得获得CSI信息变得简单可行。只对CSI进行简单的滤波，提取均值和峰态作为特征，减少了相关的计算与实际的开销。

2.适应性

方案采用CSI代替传统的RSSI，克服了RSSI粒度粗和时间稳定性差的缺陷，CSI能够获得更为细粒度的信息并且能够区分多条路径，能适用于更多的室内应用场景。

3.功能性

方案进一步考虑全面的室内人员识别方案，将识别标准分为静态与动态，提高了识别的准确性。相比较于传统的指纹识别、虹膜识别，本发明实现了无设备的被动识别。

4.鲁棒性

本方案同时还检测了同一个人不同穿着、是否背包和戴帽子等情况，实验显示本系统可以排除不同穿着对实验结果的影响，实现在同一空间可靠稳定的识别效果。

附图说明

图1是基于CSI的室内人员识别方案流程图；

图2是室内环境下人员识别的示意图，上图是采集目标人员数据的过程，从远处向链路中点走动，到达视距内后静止不动，下图显示的是在这个过程中CSI幅值信息的变化，在人员走动时CSI幅值波动较大、幅值较高，人员到达视距内以后CSI幅值有一个向下的阶跃，这是由于遮挡视距信号造成的；

图3是将提取的6个人员的各50组的静态特征和动态特征都导入SVM训练模型后的实验结果图，这6个人分别聚集成6个簇，且彼此相距较远，说明分类效果较好，所提取的特征能到作为识别指标。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例通过以下步骤实现：

本发明是一种适用于室内环境下的人员识别方案，针对传统基于RSSI的室内人员检测方案存在粒度粗、时间稳定性差以及不能区分多条路径信息等缺陷，该方案利用物理层信道状态信息(CSI)代替RSSI，利用CSI信息时间稳定性好、对动态环境干扰抵抗力强、对链路周围人员存在敏感性强等优势，通过在室内环境下搭载基于Intel 5300系列网卡的功控机，从商用的WiFi设备上提取人的静态和动态两个状态的CSI信息，对采集到的CSI信息先进行去噪，在提取相应的特征值作为识别指标，然后结合支持向量机来达到区分不同人员的目的。

该基于CSI的适用于室内环境下的人员识别方案，包含在以下具体步骤中：

一、CSI信号特征提取及预处理：

步骤1)CSI信号数据采集：平台包括安装有Ubuntu系统、Intel 5300无线网卡、virtual CSI以及CSI Tool工具的迷你功控机一台、TP-Link路由器、外接天线若干、液晶显示屏、笔记本电脑若干。在实验中，TP-Link作为信号发射源AP，迷你功控机通过5300网卡接收无线信号，外接天线作为信号接收机RT，每一对AP、RT组成一条链路。利用virtual CSI以及CSI Tool工具采集传输信道状态信息并进行保存为信包文件。将信包文件传输至电脑，电脑对CSI信号进行去噪、特征提取、分类等处理。

本实施例数据的采集地点设置在学校教研室的走廊，设置的响应时间是0.02s，即一秒传输50个数据包。首先，我们进行无线链路通道的建立，我们分别将外接天线和TP-Link路由器固定在走廊上距离地板1.0米左右的位置，组成一条通信链路。其次，实验场景搭建完成后，我们制定了数据采集方案。实验主要采集测试者从8米外向链路的中间节点走动过程中的CSI以及站在链路中间静止不动CSI信息，此实验过程我们找来了20位测试者参与测试。另外为了验证实验的鲁棒性我们分别采集了测试者不同着装的CSI信息和戴着帽子、背着书包、拿着提包等不同状态的CSI信息。采集之后把它放在系统里分类，结果显示，不同着装的同一个人还是会被分类到同一个集合里，即同一个人的不同着装对实验结果没有影响。

步骤2)读取信包文件(使用MATLAB)，提取相应的CSI的30个子载波的幅度和相位信息。

二、CSI信号的去噪方案：

步骤3)在室内场景中，数据采集完并生成CSI信息以后，为了降低OFDM对频率和相位的干扰，我们对CSI做了低通滤波处理，目的是把高频的噪声去掉，本发明设置的通带截止频率为30HZ，阻带截止频率为80HZ。

三、室内人员识别方案：

步骤4)我们从去噪后的CSI中截取目标人员静止在发射机和接收机之间时的幅值信息，并提取幅值均值作为目标人员的静态特征。

步骤5)截取目标人员自然走动时的CSI幅值信息，并对其做一次傅里叶变换，得到频域的信息，再取其峰态作为目标人员的动态特征。

步骤6)把提取到的静态特征和动态特征作为一个二维的识别特征，将已知身份人员的识别特征，连同其身份信息，作为训练样本集导入SVM分类器进行训练，得到训练模型并导出，将待识别的目标人员的识别特征导入训练好的支持向量机SVM分类器模型，实现目标人员的身份识别。基于径向基核函数对不同数据的分类都有较好的效果，本发明采用径向基作为SVM的核函数。至此，实现了室内环境下基于CSI的人员识别。

Claims (7)

1.基于信道状态信息的室内环境下人员识别方法，其特征在于，包括如下步骤：

步骤1：采集目标人员在无线链路通道中的CSI信号；

步骤2：从CSI子载波的幅值和相位信息中提取相应的特征，作为目标人员的识别特征；

步骤3：将目标人员的识别特征与已确定身份人员的识别特征进行比对，进而识别出目标人员。

2.根据权利要求1所述的基于信道状态信息的室内环境下人员识别方法，其特征在于，该方法所使用的设备包括WIFI设备、无线信号接收机、安装有Ubuntu系统、无线网卡、virtual CSI以及CSI Tool工具的工控机、安装有控制系统的电脑；所述工控机将采集的WIFI信号生成CSI信号并保存为信包文件，然后将信包文件传输给控制系统；控制系统提取CSI信号中子载波的幅值和相位信息，生成目标人员的二维识别特征，与已有识别特征进行算法比较，进而识别出目标人员。

3.根据权利要求1所述的基于信道状态信息的室内环境下人员识别方法，其特征在于，步骤2中，所述识别特征包括目标人员的静态特征和动态特征，所述静态特征为目标人员处于静态时的时域的CSI幅值信息，所述动态特征为目标人员处于动态时的频域的CSI幅值信息。

4.根据权利要求3所述的基于信道状态信息的室内环境下人员识别方法，其特征在于，所述静态特征为目标人员处于静态时所采集的CSI信号时域的子载波的幅值的均值。

5.根据权利要求3所述的基于信道状态信息的室内环境下人员识别方法，其特征在于，所述动态特征为将目标人员处于动态时所采集的CSI信号经过快速傅里叶变换生成的频域数据的幅值的峰态。

6.根据权利要求1所述的基于信道状态信息的室内环境下人员识别方法，其特征在于，步骤1还包括对所采集CSI信号进行低通滤波处理。

7.根据权利要求1所述的基于信道状态信息的室内环境下人员识别方法，其特征在于，步骤3中，将已确认身份的人员的识别特征及其身份信息作为训练样本，放入SVM分类器里进行训练，然后导出训练模型用于后续对目标人员的识别特征进行分类。