CN110059567A - 一种基于WiFi的火灾烟雾检测方法 - Google Patents
一种基于WiFi的火灾烟雾检测方法 Download PDFInfo
- Publication number
- CN110059567A CN110059567A CN201910215319.9A CN201910215319A CN110059567A CN 110059567 A CN110059567 A CN 110059567A CN 201910215319 A CN201910215319 A CN 201910215319A CN 110059567 A CN110059567 A CN 110059567A
- Authority
- CN
- China
- Prior art keywords
- data
- environment
- channel state
- fire
- state information
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Fire Alarms (AREA)
Abstract
一种基于WiFi_的火灾检测方法,利用商业WiFI设备搭建信道状态信息数据采集平台,火灾检测分为离线训练阶段和在线测试阶段;离线训练阶段主要是采集正常环境和火灾发生环境的信道状态信息数据,经过去噪、平滑滤波、PCA降维等处理后,分别提取幅度和相位特征,并进行标准化处理后存入火灾不同时期环境的指纹库,建立火灾环境‑数据指纹的映射关系;在线测试阶段,先对数据进行同上处理后,利用机器学习算法对数据进行分类检测;同时,为测试分类的准确度,综合利用了信道状态信息数据的幅度和相位信息,观察三种情况下的分类结果。本发明能够以低成本有效实现对火灾的检测,在公共安全等领域具有一定的应用价值。
Description
技术领域
本发明涉及公共安全领域,尤其涉及一基于WiFi信道状态信息的火灾烟雾检测方法。
背景技术
火灾是威胁人类生存的重大隐患,火灾的发生给人们带来生命和财产的损失。
火灾的发生往往是先有阴燃产生的烟雾然后才有火焰。有时即便有明火存在,受拍摄角度、火焰大小和遮挡等原因。早期火焰未必能落入视频监控区域或及时被传感器感知到。如能及时准确地对烟雾进行检测,对火灾预警及扑救有着深远意义。
如今大部分技术都是利用传感器、超声波、视频等需要专有设备的方法实现对火灾的检测,存在设备昂贵,扩展性能差,误警率高和拍摄盲区等问题。
发明内容
为了克服现有火灾烟雾检测方式的设备昂贵,扩展性能差,误警率高和拍摄盲区的不足,本发明的目的是提供一种基于WiFi信道状态信息的火灾烟雾检测方法,应用范围广,充分利用现有的商业无线设备,价格低廉,无盲区,抗干扰能力强。
为实现上述的目标,本发明采用的技术方案为:
一种基于WiFi的火灾烟雾检测方法,包括以下步骤:
步骤1:搭建信道状态信息数据采集平台;
步骤2:首先,通过离线训练阶段来构建指纹库,尽可能的保证环境稳定,通过释放不同浓度的烟雾单一的改变环境的状态,然后进行信道状态信息数据包的采集;每个信道状态信息数据的格式为:其中t1~t30为子载波,Rt为发射天线数,Nt为接收天线数;
步骤3:先取1对天线对上的数据进行预处理,过程如下:
步骤3-1:删除数据中的异常值,求得信道状态信息CSI数据的均值M和标准差S,确定区间[M-S,M+S],将区间之外的值都删除,得到去异常值后的信道状态信息CSI数据;
步骤3-2:利用巴特沃斯低通滤波器除去数据中的高频噪声,得到相对较平滑的信号;
步骤4:特征提取阶段,过程如下:
步骤4-1:对幅度信息进行主成分分析法PCA降维,提取数据中的4个主要成分;
步骤4-2:对相位信息进行作差处理,得到对环境更为敏感的相位差信息;
步骤4-3:计算不同环境下的数据的均值、标准差、峰度和偏度;
步骤5:取其它的天线对数据,重复步骤3~步骤4;
步骤6:由上述步骤提取到的特征作为每一种环境的一条指纹,完成不同环境指纹库的建立;
步骤7:在线测试阶段,采集测试数据包;
步骤8:对测试数据处理,具体为步骤3~步骤5;
步骤9:对测试数据的每个数据样本用机器学习算法支持向量机SVM进行检测,测试其分类精确度;
步骤10:记录分类结果。
进一步,所述步骤3中,所述天线对上的数据预处理,将数据分解为幅度信息数据和相位信息数据;
再进一步,所述步骤4-3中,计算不同环境下的数据还包括最大值、最小值、四分位数和中位数绝对偏差。
本发明的有益效果是:
1.充分利用了WiFi设备作为实验平台,部署简单,抗干扰能力较强,且价格低廉,易于普及;
2.本发明不需人体携带设备、电子标签等,简单可靠,公共安全等领域具有一定的应用价值;
3.本发明把WiFi的信道状态信息应用到了火灾检测,为火灾检测提供了一个新的研究思路;
4.主要应用了机器学习算法支持向量机,对数据量较大的情况同样具有较好的分类效果。
附图说明
图1是火灾烟雾检测平台结构示意图;
图2是数据采集检测系统在环境1下的具体实施示意图;
图3是数据采集检测系统在环境2下的具体实施示意图;
图4是数据采集检测系统在环境2下的具体实施示意图;
图5是本发明在三个环境下的火灾检测性能。
具体实施方式
下面结合附图1-5对本发明进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
参照图1~图5,一种基于WiFi的火灾烟雾检测方法,包括以下步骤:
步骤1:搭建信道状态信息数据采集平台;
步骤2:首先,通过离线训练阶段来构建指纹库,尽可能的保证环境稳定,通过释放不同浓度的烟雾单一的改变环境的状态,然后进行信道状态信息数据包的采集;每个信道状态信息数据的格式为:其中t1~t30为子载波,Rt为发射天线数,Nt为接收天线数;
步骤3:先取1对天线对上的数据进行预处理,过程如下:
步骤3-1:删除数据中的异常值,求得信道状态信息CSI数据的均值M和标准差S,确定区间[M-S,M+S],将区间之外的值都删除,得到去异常值后的信道状态信息CSI数据;
步骤3-2:利用巴特沃斯低通滤波器除去数据中的高频噪声,得到相对较平滑的信号;
步骤4:特征提取阶段,过程如下:
步骤4-1:对幅度信息进行主成分分析法PCA降维,提取数据中的4个主要成分;
步骤4-2:对相位信息进行作差处理,得到对环境更为敏感的相位差信息;
步骤4-3:计算不同环境下的数据的均值、标准差、峰度和偏度;
步骤5:取其它的天线对数据,重复步骤3~步骤4;
步骤6:由上述步骤提取到的特征作为每一种环境的一条指纹,完成不同环境指纹库的建立;
步骤7:在线测试阶段,采集测试数据包;
步骤8:对测试数据处理,具体为步骤3~步骤5;
步骤9:对测试数据的每个数据样本用机器学习算法支持向量机SVM进行检测,测试其分类精确度;
步骤10:记录分类结果。
进一步,所述步骤3中,所述天线对上的数据预处理,可将数据分解为幅度信息数据和相位信息数据;
再进一步,所述步骤4-3中,计算不同环境下的数据还包括最大值、最小值、四分位数和中位数绝对偏差。
本实施例中,实验平台包括接入点AP和监控点MP两部分,AP为普通的无线路由器,MP为安装了信道状态信息提取软硬件的笔记本电脑;具体实施场地为空旷的隔间,该环境下具有较少的多径效应,如图1所示。
每次采集之前,在办公室中释放不同浓度的烟雾,烟雾浓度由燃烧物的质量控制,收集包含信道状态信息的数据包;不同烟雾浓度环境下的采集时间为10秒。采集完毕后,都能得到一个.dat文件;从每个环境下的.dat文件中提取出信道状态信息数据的相位和幅度信息;对数据进行预处理,进行异常值的去除;分别对相位和幅度信息提取特征,然后对得到的特征数据进行本发明方法处理;
测试阶段,在同样的环境下如图1中的测试点,采集测试数据,每个环境采集时间为10秒;同样经过上述的处理后,对测试数据进行标准化;
对每个环境的每个CSI(信道状态信息)样本主要用机器学习算法支持向量机进行分类,同时根据发明内容中步骤7~步骤9的详细过程,得到分类精确度。
为验证本发明在不同环境下的性能,在另一个有人的办公室环境下(如图2)以及隔墙环境下(如图3)重复以上步骤,这两种环境都有较为复杂的多径效应;这样我们得到性能如图5所示。由于环境1相比环境2具有较少的多径干扰,因此其分类正确率比环境2要高;而环境3测试点比环境1和环境2测试点,烟源距离天线要近,因此环境3的准确率较高。结果表明本发明对于火灾烟雾检测的分类是有效的。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种基于WiFi的火灾烟雾检测方法,其特征在于,所述方法包括以下步骤:
步骤1:搭建信道状态信息数据采集平台;
步骤2:首先,通过离线训练阶段来构建指纹库,尽可能的保证环境稳定,通过释放不同浓度的烟雾单一的改变环境的状态,然后进行信道状态信息数据包的采集;每个信道状态信息数据的格式为:其中t1~t30为子载波,Rt为发射天线数,Nt为接收天线数;
步骤3:先取1对天线对上的数据进行预处理,过程如下:
步骤3-1:删除数据中的异常值,求得信道状态信息CSI数据的均值M和标准差S,确定区间[M-S,M+S],将区间之外的值都删除,得到去异常值后的信道状态信息CSI数据;
步骤3-2:利用巴特沃斯低通滤波器除去数据中的高频噪声,得到相对较平滑的信号;
步骤4:特征提取阶段,过程如下:
步骤4-1:对幅度信息进行主成分分析法PCA降维,提取数据中的4个主要成分;
步骤4-2:对相位信息进行作差处理,得到对环境更为敏感的相位差信息;
步骤4-3:计算不同环境下的数据的均值、标准差、峰度和偏度;
步骤5:取其它的天线对数据,重复步骤3~步骤4;
步骤6:由上述步骤提取到的特征作为每一种环境的一条指纹,完成不同环境指纹库的建立;
步骤7:在线测试阶段,采集测试数据包;
步骤8:对测试数据处理,具体为步骤3~步骤5;
步骤9:对测试数据的每个数据样本用机器学习算法支持向量机SVM进行检测,测试其分类精确度;
步骤10:记录分类结果。
2.如权利要求1所述的一种基于WiFi的火灾烟雾检测方法,其特征在于,所述步骤3中,所述天线对上的数据预处理,将数据分解为幅度信息数据和相位信息数据。
3.如权利要求1或2所述的一种基于WiFi的火灾烟雾检测方法,其特征在于,所述步骤4-3中,计算不同环境下的数据还包括最大值、最小值、四分位数和中位数绝对偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215319.9A CN110059567A (zh) | 2019-03-21 | 2019-03-21 | 一种基于WiFi的火灾烟雾检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215319.9A CN110059567A (zh) | 2019-03-21 | 2019-03-21 | 一种基于WiFi的火灾烟雾检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110059567A true CN110059567A (zh) | 2019-07-26 |
Family
ID=67317125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910215319.9A Pending CN110059567A (zh) | 2019-03-21 | 2019-03-21 | 一种基于WiFi的火灾烟雾检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059567A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927129A (zh) * | 2019-12-06 | 2021-06-08 | 横河电机株式会社 | 判定装置及方法、训练装置及方法、以及记录介质 |
WO2023049962A1 (en) * | 2021-10-01 | 2023-04-06 | Newsouth Innovations Pty Limited | System and method of detecting environmental changes using wireless sensing |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761407A (zh) * | 2016-01-06 | 2016-07-13 | 深圳大学 | 基于无线网络信号传输的室内探测火情及报警方法及系统 |
CN106971474A (zh) * | 2017-04-10 | 2017-07-21 | 南京苗米科技有限公司 | 基于wifi无线信号的入侵监测方法和系统 |
CN108256449A (zh) * | 2018-01-02 | 2018-07-06 | 重庆邮电大学 | 一种基于子空间分类器的人体行为识别方法 |
CN108442969A (zh) * | 2018-02-28 | 2018-08-24 | 中国矿业大学 | 一种基于无线csi的井下救援联合机器人及救援方法 |
CN108810910A (zh) * | 2018-05-23 | 2018-11-13 | 浙江工业大学 | 一种基于信道状态信息构建可视图网络的入侵检测方法 |
CN109460776A (zh) * | 2018-10-11 | 2019-03-12 | 浙江工业大学 | 一种基于信道状态检测的驾驶员区分方法 |
-
2019
- 2019-03-21 CN CN201910215319.9A patent/CN110059567A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761407A (zh) * | 2016-01-06 | 2016-07-13 | 深圳大学 | 基于无线网络信号传输的室内探测火情及报警方法及系统 |
CN106971474A (zh) * | 2017-04-10 | 2017-07-21 | 南京苗米科技有限公司 | 基于wifi无线信号的入侵监测方法和系统 |
CN108256449A (zh) * | 2018-01-02 | 2018-07-06 | 重庆邮电大学 | 一种基于子空间分类器的人体行为识别方法 |
CN108442969A (zh) * | 2018-02-28 | 2018-08-24 | 中国矿业大学 | 一种基于无线csi的井下救援联合机器人及救援方法 |
CN108810910A (zh) * | 2018-05-23 | 2018-11-13 | 浙江工业大学 | 一种基于信道状态信息构建可视图网络的入侵检测方法 |
CN109460776A (zh) * | 2018-10-11 | 2019-03-12 | 浙江工业大学 | 一种基于信道状态检测的驾驶员区分方法 |
Non-Patent Citations (3)
Title |
---|
RUI ZHOU: "《Device-Free Presence Detection and Localization With SVM and CSI Fingerprinting》", 《IEEE SENSORS JOURNAL》 * |
SHUXIN ZHONG ET AL.: "《Wi-Fire: Device-free Fire Detection using WiFi Networks》", 《IEEE ICC 2017 NEXT GENERATION NETWORKING AND INTERNET SYMPOSIUM》 * |
韩玲 等: "《室内火灾烟雾对微波衰减的影响》", 《火灾科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927129A (zh) * | 2019-12-06 | 2021-06-08 | 横河电机株式会社 | 判定装置及方法、训练装置及方法、以及记录介质 |
WO2023049962A1 (en) * | 2021-10-01 | 2023-04-06 | Newsouth Innovations Pty Limited | System and method of detecting environmental changes using wireless sensing |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lomax et al. | Automatic picker developments and optimization: FilterPicker—A robust, broadband picker for real-time seismic monitoring and earthquake early warning | |
CN103048654B (zh) | 雷达传感器和使用所述雷达传感器检测对象的方法 | |
WO2004032078A3 (en) | Method and apparatus for indicating activation of a smoke detector alarm | |
CN108680796A (zh) | 用于计算机显示器的电磁信息泄漏检测系统及方法 | |
CN106503666A (zh) | 一种安全监控方法、装置及电子设备 | |
CN110059567A (zh) | 一种基于WiFi的火灾烟雾检测方法 | |
US10261178B2 (en) | Wireless network based method for detecting presence of metal | |
WO2017117910A1 (zh) | 基于无线网络信号传输的室内探测火情及报警的方法及系统 | |
KR102162284B1 (ko) | 클라우드 데이터 처리 gnss 재밍 감시 방법 및 시스템 | |
US20230039196A1 (en) | Small unmanned aerial systems detection and classification using multi-modal deep neural networks | |
CN106019391B (zh) | 一种基于全向生物雷达的二维ca-cfar人体随机体动的检测方法 | |
JP2019501373A (ja) | 電力署名の偽造分析を使用して封止パッケージ内の異常を識別するための方法および装置 | |
CN106093847A (zh) | 便携式定向天线、测量装置和测量方法 | |
Zhong et al. | Wi-fire: Device-free fire detection using WiFi networks | |
CN112735473A (zh) | 基于声音识别无人机的方法及系统 | |
CN104348894B (zh) | 一种信息处理方法、云端服务器、移动终端 | |
CN105573630B (zh) | 检测终端设备摇动事件的方法、装置及终端设备 | |
CN110138471A (zh) | 一种检测方法以及相关装置 | |
CN109116204A (zh) | 一种变压器局部放电信号分类装置及故障检测装置 | |
CN105550702A (zh) | 一种基于svm的gnss欺骗式干扰识别方法 | |
CN109979202A (zh) | 一种车辆安检方法及装置 | |
US10557787B1 (en) | Detection of compounds in material samples utilizing a transformation and subsequent decomposition | |
CN107356821B (zh) | 一种车辆信息安全检测的装置及车辆检测方法 | |
CN110287774A (zh) | 基于wifi的对象侦测方法、系统及存储介质 | |
US20190265121A1 (en) | Detection method and corresponding circuit |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |