CN113783639B - 无接触感知边界确定方法、系统、计算机设备及存储介质 - Google Patents

无接触感知边界确定方法、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN113783639B
CN113783639B CN202010521645.5A CN202010521645A CN113783639B CN 113783639 B CN113783639 B CN 113783639B CN 202010521645 A CN202010521645 A CN 202010521645A CN 113783639 B CN113783639 B CN 113783639B
Authority
CN
China
Prior art keywords
conjugate
boundary
csi
module
sensing
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
Application number
CN202010521645.5A
Other languages
English (en)
Other versions
CN113783639A (zh
Inventor
张大庆
李晟洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Original Assignee
Peking University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Peking University filed Critical Peking University
Priority to CN202010521645.5A priority Critical patent/CN113783639B/zh
Priority to US17/344,799 priority patent/US20210391908A1/en
Publication of CN113783639A publication Critical patent/CN113783639A/zh
Application granted granted Critical
Publication of CN113783639B publication Critical patent/CN113783639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • 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
    • H04W64/006—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种无接触感知边界确定方法、系统、计算机设备及存储介质，Wi‑Fi接收设备利用任意两根天线同时接收数据包并测量信道状态信息；将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合；将共轭集合中的所有采样减去共轭集合的均值，得到零均值的共轭集合；针对同时传输的N个子载波上的CSI，得到N个零均值的共轭集合；利用N个零均值的共轭集合中的所有元素进行概率分布拟和，计算边界感知特征；根据边界感知特征将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来。本发明能精确的确定出感知边界，划分出清晰的Wi‑Fi感知区域。

Description

无接触感知边界确定方法、系统、计算机设备及存储介质
技术领域
本发明涉及一种感知边界确定技术，特别是关于一种基于商业无线局域网设备的无接触感知边界确定方法、系统、计算机设备及存储介质。
背景技术
无接触感知边界确定指在目标不与设备发生任何接触性行为的前提下，为了实现对特定区域内的目标进行感知，而对该区域的感知边界进行确定的方法。例如，一个房间的入侵检测系统需要划定房间的感知边界，从而对跨越边界的入侵者给出警示。另一方面可以通过划定房间的感知边界，确定出感知目标所处的区域(卧室或卫生间)，从而实现对感知目标的精准区域识别。目前，手机、平板、电脑、智能手表等无线局域网(Wi-Fi)设备已广泛存在于日常生活中。利用Wi-Fi设备对目标进行无接触感知受到了人们的广泛关注，而为了感知特定区域内目标的活动，一个重要的前提是确定该区域的感知边界。
2007年，美国的Moustafa Youssef提出了一种解决方案(Challenges:Device-free Passive Localization for Wireless Environments.MobiCom2007.pp.222–229.)，通过利用商业WiFi网卡中接收信号强度信息(Received Signal Strength Indicator(RSSI)反应了接收信号的强度)的绝对值变化实现了对环境内目标活动的感知。2012年，埃及的Ahmed E.Kosba(RASID:A Robust WLAN Device-free Passive Motion DetectionSystem.PerCom2012.pp.180-189)进一步提出利用RSSI的标准差实现对目标活动的感知。然而，由于Wi-Fi RSSI信号受噪声和多径环境的影响较大，即使在一个稳定的、无人活动的环境中，RSSI的变化范围也很大，所以无论是利用RSSI绝对值或RSSI的标准差对人的活动进行感知时，稳定性都较差，且由噪声和环境因素造成的RSSI变化会使得以上这些方法产生大量误报。另一方面，这些方法都只能判断是否存在目标在Wi-Fi环境中活动，而由于Wi-Fi的信号的覆盖范围较大，且覆盖边界不清晰，所以这些方法无法划定出精确的感知边界，实现特定区域的目标感知。
2012年，中国的JiangXia(FIMD:Fine-grained Device-free Motion Detection，ICPDS12.pp.229-235)提出一种解决方案：环境中目标的活动会引起Wi-Fi信道状态信息(Channel State Information(CSI)反应了接收信号从发射端到达接收端的发生的振幅衰减和相位偏移)的振幅变化，基于此通过构造CSI振幅的自相关矩阵，利用了该矩阵的特征值变比来感知环境中目标的活动。2014年，中国的Kun Qian(PADS:Passive detection ofmoving targets with dynamic speed using PHY layer information，ICPDS14.pp.1-8)提出一种解决方案：通过结合使用CSI振幅和修正过的相位信息，构造振幅和修正过的相位的自相关方阵，结合这两个方阵的最大特征值进一步提高了目标活动的感知准确率。2015年，中国的WuChenshu(Non-invasive Detection of Moving and Stationary Human withWiFi.J-SAC15.33(11).pp.2329–2342)提出了一种解决方案：先利用CSI振幅包络的方差区分动态目标和静态环境，然后利用人呼吸时胸部的起伏对信号产生的规律性影响进一步检测静态目标的存在。2018年，中国的Xiang Li(Training-Free Human VitalityMonitoring Using Commodity Wi-Fi Devices.IMWUT.2(3).Pp.1-25)提出了一种解决方案：通过天线间的CSI共轭相乘消除相位误差，从而利用相乘后相位变化提取出反映人动静状态的多普勒能量特征，实现了鲁棒的动态目标的存在性检测。以上这些方法虽然利用更加细粒度的CSI信息实现了对Wi-Fi传播范围内目标活动的感知，但是依然无法清晰地确定出感知边界，不能准确的判别出感知目标的活动是否发生在给定的感知区域中。
发明内容
针对上述问题，本发明的目的是提供一种无接触感知边界确定方法、系统、计算机设备及存储介质，其基于商业无线局域网设备的，且不需要监测目标接触任何设备，利用两个Wi-Fi设备和日常环境中的墙体结构，就可以精确的确定出感知边界，划分出清晰的Wi-Fi感知区域。
为实现上述目的，本发明采取以下技术方案：一种无接触感知边界确定方法，其包括以下步骤：S1、Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息；S2、将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；S3、在t0时刻，从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)；S4、将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；S5、针对同时传输的N个子载波上的CSI，重复步骤S2-S4，得到N个零均值的共轭集合；对N个零均值的共轭集合中的所有元素的绝对值进行概率分布拟和，得到边界感知特征σ(t0)；S6、根据边界感知特征σ(t0)将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来。
优选的，所述共轭相乘后新的CSI为：
Figure BDA0002532361950000021
Figure BDA0002532361950000031
式中，Hconj表示共轭相乘后新的CSI，H1(t0+t)代表第一根天线t0+t时刻的CSI,H2(t0+t)代表第二根天线t0+t时刻的CSI，
Figure BDA0002532361950000032
表示H2(t0+t)的共轭，As1表示第一根天线静态信号的振幅衰减，As2表示第二根天线静态信号的振幅衰减，αd(t0)表示t0时刻第d条动态信号的振幅衰减，
Figure BDA0002532361950000033
表示第一根天线静态路径的相位偏移,
Figure BDA0002532361950000034
表示第二根天线静态路径的相位偏移,
Figure BDA0002532361950000035
表示第一根天线在t0+t时刻动态路径的相位偏移，
Figure BDA0002532361950000036
表示第二根天线在t0+t时刻动态路径的相位偏移。
优选的，所述共轭集合S(t0)为：
Figure BDA0002532361950000037
其中，[0,Δt,...,MΔt]是相对于时t0时刻的CSI采样间隔，Δt为间隔采样时间。
优选的，所述零均值的共轭集合中的第k个元素x(t0+kΔt)为：
Figure BDA0002532361950000038
其中，
Figure BDA0002532361950000039
为共轭集合S(t0)的均值，
Figure BDA00025323619500000310
Figure BDA00025323619500000311
R(t0+kΔt)和I(t0+kΔt)分别为x(t0+kΔt)为复数时的实部和虚部。
优选的，所述边界感知特征σ(t0)采用对集合中所有元素的绝对值|x(t0+kΔt)|进行概率分布拟合得到，概率分布拟合的方式为瑞利分布、莱斯分步或对数正态分布。
优选的，所述步骤S6中，将边界感知特征σ(t0)与预先设置的边界判断阈值δth进行比较，当σ(t0)＞δth时，当前活动为感知区域内的活动；当σ(t0)＜δth时，当前活动为感知区域外的活动。
一种无接触感知边界确定系统，其包括接收测量模块、共轭相乘模块、共轭集合模块、零均值共轭集合模块、边界感知特征计算模块和边界确定模块；所述接收测量模块中，Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息；所述共轭相乘模块将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；所述共轭集合模块在t0时刻，从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)；所述零均值共轭集合模块将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；所述边界感知特征计算模块针对同时传输的N个子载波上的CSI，根据所述共轭相乘模块、共轭集合模块和零均值共轭集合模块，得到N个零均值的共轭集合；对N个零均值的共轭集合中的所有元素的绝对值进行概率分布拟和，得到边界感知特征σ(t0)；所述边界确定模块根据边界感知特征σ(t0)将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来。
一种基于无接触感知边界确定方法的室内入侵检测系统，其利用上述方法，在上述系统的基础上构建所述室内入侵检测系统，包括所述接收测量模块、共轭相乘模块、共轭集合构造模块、零均值共轭集合构造模块和边界感知特征计算模块，还包括动静感知特征提取模块，和特征融合及入侵判断模块；所述动静感知特征提取模块根据CSI共轭相乘/相除变换后得到的新的CSI信号流或原始CSI信号中，提取出感知活动目标动静状态的特征Dmotoon(t0)；所述特征融合入侵判断模块通过将边界感知特征σ(t0)和动静感知特征Dmotion(t0)结合共同判断是否有入侵者在室内。
优选的，所述特征融合入侵判断模块中，判断是否有入侵者在室内的方法为：
当边σ(t0)-σ(t-1)＞ρth1，则表明入侵者入侵到室内，σ(t-1)表示t0上一时刻的边界感知特征大小，ρth1为衡量上升跳变幅度的阈值大小；σ(t0)-σ(t-1)＜ρth2且Dmotion(t0)＞μth，ρth2为衡量下降跳变幅度的阈值大小，μth为动静判断的阈值，表明入侵者离开房间；当ρth2＜σ(t0)-σ(t-1)＜ρth1时，则结合动静感知特征判断入侵者的动静状态，当Dmotion(t0)＜μth表明感知目标在室内处于静止状态，当Dmotion(t0)＞μth表明入侵者在室内处于活动状态。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法中的一个或多个。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例中的一个或多个的方法。
本发明由于采取以上技术方案，其具有以下优点：1、本发明利用商业的Wi-Fi网卡，借助于自然环境中的墙体，在监测目标不需要接触任何的设备前提下，就可以确定精确的感知边界、划分出清晰的感知区域，可以进一步服务但不局限于像入侵检测、定位、行为识别等上层应用。2、本发明对设备要求低，在一些常见商业无线信号收发器上实现，不需要改动硬件，因此，本发明提供的技术方案能够部署在常见的商业无线设备上(如WiFi网卡、WiFi路由器、RFID读写器等)，实施快速、方便，低成本，高效益。
附图说明
图1为Wi-Fi信号传输示意图；
图2为基于本发明提出的感知边界确定方法的实例实施流程框图。
具体实施方式
本发明提供一种无接触感知边界确定方法，该方法是在普通的家居环境中，感知区域的划分往往是房间级别的，而房间又通常是由墙壁分隔开的，通过捕获运动目标在墙外活动与墙内活动时在Wi-Fi信号上的差异，就可以自然地利用日常环境中的墙壁划定出感知边界。为此，本发明从Wi-Fi接收设备两根天线的CSI共轭相乘信号中提取出边界感知特征了反映运动目标反射信号强度的边界感知特征,实现了对由运动目标反射产生的直接动态信号(无遮挡)和间接动态信号(受墙遮挡)的有效区分，从而借助日常环境中的墙体及其延长线确定出了精确的感知边界。下面结合附图和实施例对本发明进行详细的描述。
本发明的发射端为Wi-Fi收发环境中的Wi-Fi信号发射器，接收端是与发射端对应的Wi-Fi信号接收器，环境中的自然墙体辅助确定感知边界，感知目标无需穿戴任何设备；利用Wi-Fi收发设备和环境中的墙体确定感知边界，其包括以下步骤：
S1、Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息(CSI)；
其中，数据包由Wi-Fi发射设备利用一根天线发射；Wi-Fi发射设备可以采用具有一根以上天线的传统商业Wi-Fi设备；Wi-Fi接收设备可以采用具有两根以上天线的传统商业Wi-Fi设备。其中，Wi-Fi发射设备可以是包含Wi-Fi网卡的任何设备，例如手机、平板、电脑、智能手表等；Wi-Fi接收设备与Wi-Fi发射设备采用相同频率，常见的商业设备一般支持连接3根天线，所以很好满足发射端使用一根天线，接收端使用两根天线的需求。
信道状态信息用来描述信号通过无线信道传输后振幅和相位的变化；例如在商用Wi-Fi设备上，信道状态信息体现了无线信号从发射端发出后通过无线信道传输到达接收端所产生的振幅衰减和相位漂移。在每个t0+t的采样时刻，每根接收天线各自采集自己的信道状态信息，其中一根天线的信道状态信息表达如下：
Figure BDA0002532361950000061
式中，θoffset表示由于Wi-Fi发射端和接收端时钟的不同步，为CSI的相位带来的相位误差，
Figure BDA0002532361950000062
表示由环境中的直接通路和静态物体反射(家具、天花板等)叠加产生的静态信号(As表示静态信号的振幅衰减，
Figure BDA0002532361950000063
表示静态信号的相位偏移)。
Figure BDA0002532361950000064
表示由运动目标反射产生的所有动态信号的叠加，当运动目标在墙内(感知区域内)活动时，这些信号不受墙壁的遮挡为直接动态信号，当运动目标在墙外(感知区域外)活动时，这些信号由于受墙壁的遮挡而变为间接动态信号。t0表示某一初始时刻，t表示某一段时间。αd(t0+t)表示t0+t时刻第d条动态信号的振幅衰减，
Figure BDA0002532361950000065
表示第d条动态信号相位偏移，D表示动态路径的总条数。
S2、将Wi-Fi接收设备的两根天线收到的对应时刻测得的CSI进行共轭相乘，消除相位误差，得到新的CSI信号流。
式1中由于Wi-Fi发射端和接收端时钟的不同步，为CSI的相位带来了相位误差θoffset，而且这个相位误差是随时间变化的，因此无法直接在CSI上提取出边界感知特征。而由于同一网卡上不同天线之间相位误差相同，所以通过将两个天线同一采样时间的CSI进行共轭相乘，可以消除掉由于收发设备的不同步带来的相位误差。共轭相乘后新的CSI表达如下：
Figure BDA0002532361950000066
式中，Hconj表示共轭相乘后新的CSI，H1(t0+t)代表第一根天线t0+t时刻的CSI,H2(t0+t)代表第二根天线t0+t时刻的CSI，
Figure BDA0002532361950000067
表示H2(t0+t)的共轭，As1表示第一根天线静态信号的振幅衰减，As2表示第二根天线静态信号的振幅衰减，αd(t0)表示t0时刻第d条动态信号的振幅衰减，
Figure BDA0002532361950000068
表示第一根天线静态路径的相位偏移,
Figure BDA0002532361950000069
表示第二根天线静态路径的相位偏移,
Figure BDA00025323619500000610
表示第一根天线在t0+t时刻动态路径的相位偏移，
Figure BDA00025323619500000611
表示第二根天线在t0+t时刻动态路径的相位偏移。
通过共轭相乘后的新的CSI信号Hconj一方面消除掉了相位误差，另一方面也加强了由于墙壁遮挡造成的目标反射信号能量的衰减，放大了直接动态信号和间接动态信号的差异。
S3、在t0时刻，从共轭相乘后新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)。
Figure BDA0002532361950000071
其中，[0,Δt,...,MΔt]是相对于时t0时刻的CSI采样间隔，Δt为间隔采样时间。
S4、将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；x(t0+kΔt)为减去均值后零均值的共轭集合中的第k个元素：
Figure BDA0002532361950000072
Figure BDA0002532361950000073
其中，
Figure BDA0002532361950000074
为共轭集合S(t0)的均值，
Figure BDA0002532361950000075
Figure BDA0002532361950000076
R(t0+kΔt)和I(t0+kΔt)分别为x(t0+kΔt)为复数时的实部和虚部，i表示复数的虚部符号。
S5、针对同时传输的N个子载波上的CSI，重复步骤S2-S4，得到N个零均值的共轭集合；对N个零均值的共轭集合中的所有元素的绝对值进行概率分布拟和，得到边界感知特征σ(t0)。
商业Wi-Fi设备在进行通信传输时，采用的是正交频分复用的编码方式(OFDM)，可以支持多个子载波同时传输。所以对两根天线的每个对应子载波进行共轭相乘，可以得到N个子载波的CSI共轭信号流，对每一个子载波重复步骤S2-S4，则得到N个零均值的共轭集合。
通过对集合中所有元素的绝对值|x(t0+kΔt)|进行概率分布拟合，获得边界感知特征σ(t0)，进行概率分布拟合的方式可以为瑞利分布、莱斯分步或对数正态分布等，在本实施例中优选利用瑞利分布求取边界感知特征σ(t0)：
Figure BDA0002532361950000077
式中，f为载波编号。
S6、根据边界感知特征σ(t0)将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来：将σ(t0)与预先设置的边界判断阈值δth进行比较，当σ(t0)＞δth时，当前活动为感知区域内(墙内)的活动；当σ(t0)＜δth时，当前活动为感知区域外(墙外)的活动(如图1所示)，从而感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来。
实施例1：
基于本发明的实施例采用了日常Wi-Fi设备作为接收端(如手机、路由器、电脑、电视等，在本实施例中以小型电脑为例，但并不局限于小型电脑)，用2根天线接收信号。用1个常见Wi-Fi设备(如手机、路由器、电脑、电视等，在本实施例中以路由器为例，但并不局限于路由器)作为信号发射端，用1根天线发射信号。本发明提供的感知边界确定方法如下：
1)搭建系统：
利用路由器作为Wi-Fi发射设备，用装有商业Wi-Fi网卡支持两根天线接口的小型电脑作为接收设备，两根天线口分别连接两根天线。本发明实例中采用Intel 5300网卡来搭建系统，Wi-Fi收发设备工作在5GHz的频率上，利用20MHz带宽进行通信。本实例由1个发射端、1个接收端、1台服务器组成。
利用搭建的系统进行感知边界确定的方法流程如图2所示，包括以下步骤：
2)Wi-Fi信号发送设备以每秒200Hz的速率通过30个子载波发出数据包，Wi-Fi接收设备的两根天线同时接收多个子载波上的数据包，并从中测量出由每个子载波传输的每个数据包的CSI信息；
3)针对30个子载波的每一个子载波，分别将接收设备同一时刻两根天线测得的CSI信息进行共轭相乘，消除相位误差，得到30个子载波的CSI共轭信号流。
4)利用一个窗口大小为400的滑动窗口对30个子载波的CSI共轭信号流进行滑动处理，滑动步长为10。
5)针对每一个子载波，将滑动窗口内的400个CSI共轭信号采样分别减去当前窗口内采样的均值。
6)融合所有30个子载波的CSI共轭信号采样，共获得子30*400＝12000个采样，对所有采样的绝对值进行概率分布拟合，获得边界感知特征σ(t0)，进行概率分布拟合的方式可以为瑞利分布、莱斯分步或对数正态分布等。优选的，利用瑞利分布进行拟合的公式如下
Figure BDA0002532361950000081
7)接收设备通过socket连接将计算获得的每个窗口内边界感知特征实时传输到服务器端的指定端口。
8)服务器端实时监听指定固定端口，一旦接收到σ(t0)，就将其与边界判断的阈值δth＝40进行大小比较，一旦σ(t0)>40则表明感知目标在以墙为感知边界的感知区域活动，从而利用墙及其延长线确定出目标所处活动区域的感知边界。
本发明还提供一种无接触感知边界确定系统，其包括接收测量模块、共轭相乘模块、共轭集合构造模块、零均值共轭集合构造模块、边界感知特征计算模块和边界确定模块；
接收测量模块中，Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息；
共轭相乘模块将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；
共轭集合构造模块在t0时刻，从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)；
零均值共轭集合构造模块将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；
边界感知特征计算模块针对同时传输的N个子载波上的CSI，根据共轭相乘模块、共轭集合模块和零均值共轭集合模块，得到N个零均值的共轭集合；利用N个零均值的共轭集合中的所有元素进行概率分布拟和，得到边界感知特征σ(t0)；
边界确定模块根据边界感知特征σ(t0)将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来。
实施例2：
基于本发明的无接触感知边界确定方法，本发明还提供一种基于该方法的应用，具体为一种基于无接触感知边界确定方法的室内入侵检测系统，该系统在本发明上述无接触感知边界确定系统的基础上构建，包括接收测量模块、共轭相乘模块、共轭集合构造模块、零均值共轭集合构造模块、边界感知特征计算模块、动静感知特征提取模块和特征融合及入侵判断模块；
接收测量模块中，Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息；
共轭相乘模块将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；
共轭集合构造模块在t0时刻，从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)；
零均值共轭集合构造模块将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；
边界感知特征计算模块针对同时传输的N个子载波上的CSI，根据共轭相乘模块、共轭集合模块和零均值共轭集合模块，得到N个零均值的共轭集合；对N个零均值的共轭集合中的所有元素的绝对值进行概率分布拟和，得到边界感知特征σ(t0)；
动静感知特征提取模块根据CSI共轭相乘/相除变换得到的新的CSI信号流或者原始CSI信号中，提取出感知活动目标动静状态的特征Dmotion(t0)；优选的，采用DopplerMUSIC算法提取出的多普勒能量特征Dmotion(t0)，或采用CSI振幅自相关算法提取振幅自相关特征Dmotion(t0)。
特征融合及入侵判断模块通过将边界感知特征σ(t0)和动静感知特征Dmotion(t0)结合共同判断是否有入侵者在室内。具体地，当边界感知特征发生明显跳变，即σ(t0)-σ(t-1)＞ρth1(σ(t-1)表示t0上一时刻的边界感知特征大小，ρth1为衡量上升跳变幅度的阈值大小)，则表明入侵者入侵到室内；σ(t0)-σ(t-1)＜ρth2且Dmotion(t0)＞μth(ρth2为衡量下降跳变幅度的阈值大小，μth为动静判断的阈值)表明入侵者离开房间；当ρth2＜σ(t0)-σ(t-1)＜ρth1时，则结合动静感知特征判断入侵者的动静状态，当DPower(t0)＜μth表明感知目标在室内处于静止状态，当Dmotion(t0)＞μth表明入侵者在室内处于活动状态。
本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各实施例中的无接触感知边界确定方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各实施例中的无接触感知边界确定方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、系统、和计算机程序产品的流程图和方框图来描述的。应理解可由计算机程序指令实现流程图和方框图中的每一流程和方框、以及流程图和方框图中的流程和方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (9)

1.一种无接触感知边界确定方法，其特征在于包括以下步骤：
S1、Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息；
S2、将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；
S3、在t0时刻，从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)；
S4、将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；
S5、针对同时传输的N个子载波上的CSI，重复步骤S2-S4，得到N个零均值的共轭集合；对N个零均值的共轭集合中的所有元素的绝对值进行概率分布拟和，得到边界感知特征σ(t0)；
S6、根据边界感知特征σ(t0)将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来；
共轭相乘后新的CSI为：
Figure FDA0003765202720000011
式中，Hconj表示共轭相乘后新的CSI，H1(t0+t)代表第一根天线t0+t时刻的CSI,H2(t0+t)代表第二根天线t0+t时刻的CSI，
Figure FDA0003765202720000012
表示H2(t0+t)的共轭，As1表示第一根天线静态信号的振幅衰减，As2表示第二根天线静态信号的振幅衰减，αd(t0)表示t0时刻第d条动态信号的振幅衰减，
Figure FDA0003765202720000013
表示第一根天线静态路径的相位偏移,
Figure FDA0003765202720000014
表示第二根天线静态路径的相位偏移,
Figure FDA0003765202720000015
表示第一根天线在t0+t时刻动态路径的相位偏移，
Figure FDA0003765202720000016
表示第二根天线在t0+t时刻动态路径的相位偏移；
所述零均值的共轭集合中的第k个元素x(t0+kΔt)为：
Figure FDA0003765202720000017
其中，
Figure FDA0003765202720000021
为共轭集合S(t0)的均值，
Figure FDA0003765202720000022
Figure FDA0003765202720000023
R(t0+kΔt)和I(t0+kΔt)分别为x(t0+kΔt)为复数时的实部和虚部。
2.如权利要求1所述无接触感知边界确定方法，其特征在于：所述共轭集合S(t0)为：
Figure FDA0003765202720000024
其中，[0,Δt,...,MΔt]是相对于时t0时刻的CSI采样间隔，Δt为间隔采样时间。
3.如权利要求1所述无接触感知边界确定方法，其特征在于：所述边界感知特征σ(t0)采用对集合中所有元素的绝对值|x(t0+kΔt)|进行概率分布拟合得到，概率分布拟合的方式为瑞利分布、莱斯分布或对数正态分布。
4.如权利要求1所述无接触感知边界确定方法，其特征在于：所述步骤S6中，将边界感知特征σ(t0)与预先设置的边界判断阈值δth进行比较，当σ(t0)>δth时，当前活动为感知区域内的活动；当σ(t0)<δth时，当前活动为感知区域外的活动。
5.一种无接触感知边界确定系统，其特征在于：包括接收测量模块、共轭相乘模块、共轭集合模块、零均值共轭集合模块、边界感知特征计算模块和边界确定模块；
所述接收测量模块中，Wi-Fi接收设备利用两根天线同时接收数据包并测量信道状态信息；
所述共轭相乘模块将两根天线收到的对应时刻测得的CSI进行共轭相乘，得到新的CSI信号流；
所述共轭集合模块在t0时刻，从新的CSI信号流中选取一个长为M的时间窗口，收集时间窗口内的M个CSI采样，构成共轭集合S(t0)；
所述零均值共轭集合模块将共轭集合S(t0)中的所有采样减去S(t0)的均值，得到一个零均值的共轭集合；
所述边界感知特征计算模块针对同时传输的N个子载波上的CSI，根据所述共轭相乘模块、共轭集合模块和零均值共轭集合模块，得到N个零均值的共轭集合；对N个零均值的共轭集合中的所有元素的绝对值进行概率分布拟和，得到边界感知特征σ(t0)；
所述边界确定模块根据边界感知特征σ(t0)将感知区域内外的活动被由墙壁及其延长线构成的感知边界精确的划分出来；
共轭相乘后新的CSI为：
Figure FDA0003765202720000031
式中，Hconj表示共轭相乘后新的CSI，H1(t0+t)代表第一根天线t0+t时刻的CSI，H2(t0+t)代表第二根天线t0+t时刻的CSI，
Figure FDA0003765202720000032
表示H2(t0+t)的共轭，As1表示第一根天线静态信号的振幅衰减，As2表示第二根天线静态信号的振幅衰减，αd(t0)表示t0时刻第d条动态信号的振幅衰减，
Figure FDA0003765202720000033
表示第一根天线静态路径的相位偏移，
Figure FDA0003765202720000034
表示第二根天线静态路径的相位偏移，
Figure FDA0003765202720000035
表示第一根天线在t0+t时刻动态路径的相位偏移，
Figure FDA0003765202720000036
表示第二根天线在t0+t时刻动态路径的相位偏移；
所述零均值的共轭集合中的第k个元素x(t0+kΔt)为：
Figure FDA0003765202720000037
其中，
Figure FDA0003765202720000038
为共轭集合S(t0)的均值，
Figure FDA0003765202720000039
Figure FDA00037652027200000310
R(t0+kΔt)和I(t0+kΔt)分别为x(t0+kΔt)为复数时的实部和虚部。
6.一种基于无接触感知边界确定方法的室内入侵检测系统，其特征在于：利用如权利要求1至4任一项的方法，在权利要求5所述系统的基础上构建所述室内入侵检测系统，包括所述接收测量模块、共轭相乘模块、共轭集合构造模块、零均值共轭集合构造模块和边界感知特征计算模块，还包括动静感知特征提取模块，和特征融合及入侵判断模块；
所述动静感知特征提取模块根据CSI共轭相乘/相除变换后得到的新的CSI信号流或原始CSI信号中，提取出感知活动目标动静状态的特征Dmotion(t0)；
所述特征融合入侵判断模块通过将边界感知特征σ(t0)和动静感知特征Dmotion(t0)结合共同判断是否有入侵者在室内。
7.如权利要求6所述的室内入侵检测系统，其特征在于：所述特征融合入侵判断模块中，判断是否有入侵者在室内的方法为：
当边σ(t0)-σ(t-1)＞ρth1，则表明入侵者入侵到室内，σ(t-1)表示t0上一时刻的边界感知特征大小，ρth1为衡量上升跳变幅度的阈值大小；σ(t0)-σ(t-1)＜ρth2且Dmotion(t0)＞μth，ρth2为衡量下降跳变幅度的阈值大小，μth为动静判断的阈值，表明入侵者离开房间；当ρth2＜σ(t0)-σ(t-1)＜ρth1时，则结合动静感知特征判断入侵者的动静状态，当Dmotion(t0)＜μth表明感知目标在室内处于静止状态，当Dmotion(t0)＞μth表明入侵者在室内处于活动状态。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4所述方法中的任一方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4所述方法中的任一方法。
CN202010521645.5A 2020-06-10 2020-06-10 无接触感知边界确定方法、系统、计算机设备及存储介质 Active CN113783639B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010521645.5A CN113783639B (zh) 2020-06-10 2020-06-10 无接触感知边界确定方法、系统、计算机设备及存储介质
US17/344,799 US20210391908A1 (en) 2020-06-10 2021-06-10 Method, system, computer device, and storage medium for non-contact determination of a sensing boundary

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010521645.5A CN113783639B (zh) 2020-06-10 2020-06-10 无接触感知边界确定方法、系统、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN113783639A CN113783639A (zh) 2021-12-10
CN113783639B true CN113783639B (zh) 2022-09-30

Family

ID=78834599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010521645.5A Active CN113783639B (zh) 2020-06-10 2020-06-10 无接触感知边界确定方法、系统、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN113783639B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101132388A (zh) * 2007-09-18 2008-02-27 沖电气（新加坡）技术中心 利用信道状态信息辅助接收编码信号的接收方法及装置
CN109257126A (zh) * 2018-08-30 2019-01-22 北京大学（天津滨海）新代信息技术研究院 一种基于无线信号的室内活动探测方法及系统
CN109379707A (zh) * 2018-08-31 2019-02-22 北京大学（天津滨海）新代信息技术研究院 一种基于无线信号的室内目标活动区域识别方法及系统
CN109671238A (zh) * 2018-12-07 2019-04-23 浙江大学 一种基于无线信道状态信息的室内入侵检测方法
CN110012496A (zh) * 2019-04-25 2019-07-12 江苏创通电子股份有限公司 一种基于WiFi的入侵检测方法及装置
CN110991559A (zh) * 2019-12-19 2020-04-10 中国矿业大学 一种室内人员行为非接触式协同感知方法
CN111182459A (zh) * 2019-12-31 2020-05-19 西安电子科技大学 一种基于信道状态信息室内无线定位方法、无线通信系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10694491B2 (en) * 2018-08-21 2020-06-23 Marvell International Ltd. Systems and methods for detecting motion based on channel correlation in wireless communication signals

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101132388A (zh) * 2007-09-18 2008-02-27 沖电气（新加坡）技术中心 利用信道状态信息辅助接收编码信号的接收方法及装置
CN109257126A (zh) * 2018-08-30 2019-01-22 北京大学（天津滨海）新代信息技术研究院 一种基于无线信号的室内活动探测方法及系统
CN109379707A (zh) * 2018-08-31 2019-02-22 北京大学（天津滨海）新代信息技术研究院 一种基于无线信号的室内目标活动区域识别方法及系统
CN109671238A (zh) * 2018-12-07 2019-04-23 浙江大学 一种基于无线信道状态信息的室内入侵检测方法
CN110012496A (zh) * 2019-04-25 2019-07-12 江苏创通电子股份有限公司 一种基于WiFi的入侵检测方法及装置
CN110991559A (zh) * 2019-12-19 2020-04-10 中国矿业大学 一种室内人员行为非接触式协同感知方法
CN111182459A (zh) * 2019-12-31 2020-05-19 西安电子科技大学 一种基于信道状态信息室内无线定位方法、无线通信系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Wi-Fi的非接触式行为识别研究综述;王钰翔等;《浙江大学学报(工学版)》;20170415(第04期);全文 *

Also Published As

Publication number Publication date
CN113783639A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
Zhu et al. R-TTWD: Robust device-free through-the-wall detection of moving human with WiFi
Seifeldin et al. Nuzzer: A large-scale device-free passive localization system for wireless environments
Xiao et al. AmpN: Real-time LOS/NLOS identification with WiFi
CN110301917B (zh) 一种无接触呼吸检测方法及装置
CN106154222B (zh) 一种利用无线电射频信号检测人的行走方向的方法
EP3342330B1 (en) Phasor approach to signal to noise ratio measurement evaluation of physiological signals
Xu et al. TRIEDS: Wireless events detection through the wall
Liu et al. A research on CSI-based human motion detection in complex scenarios
CN103596266A (zh) 一种人体检测和定位的方法、装置及系统
CN101730851A (zh) 用于定位的系统和方法
Tan et al. Wi-Fi based passive human motion sensing for in-home healthcare applications
Guo et al. A hybrid positioning system for location-based services: Design and implementation
CN104883732B (zh) 一种增强型室内无源被动人体定位方法
Wang et al. CSI-based human sensing using model-based approaches: a survey
Li et al. On CSI and passive Wi-Fi radar for opportunistic physical activity recognition
Ding et al. A robust passive intrusion detection system with commodity WiFi devices
CN109934031B (zh) 基于rfid系统的区分los/nlos的方法及系统
CN109257126B (zh) 一种基于无线信号的室内活动探测方法及系统
Zhang et al. Nothing blocks me: Precise and real-time LOS/NLOS path recognition in RFID systems
Yavari et al. System-on-Chip based Doppler radar occupancy sensor
CN110069134A (zh) 一种利用无线电射频信号还原手部空中移动轨迹的方法
Kaltiokallio et al. A multi-scale spatial model for RSS-based device-free localization
US20210391908A1 (en) Method, system, computer device, and storage medium for non-contact determination of a sensing boundary
CN113783639B (zh) 无接触感知边界确定方法、系统、计算机设备及存储介质
Deak et al. Wireless sensor networks-smoothing algorithms for RSSI-based device-free passive localisation

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