CN114140964A - 基于无线感知的地铁隧道异物入侵检测方法及检测系统 - Google Patents

基于无线感知的地铁隧道异物入侵检测方法及检测系统 Download PDF

Info

Publication number
CN114140964A
CN114140964A CN202111417900.2A CN202111417900A CN114140964A CN 114140964 A CN114140964 A CN 114140964A CN 202111417900 A CN202111417900 A CN 202111417900A CN 114140964 A CN114140964 A CN 114140964A
Authority
CN
China
Prior art keywords
signal
csi
target
subway tunnel
distance
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.)
Granted
Application number
CN202111417900.2A
Other languages
English (en)
Other versions
CN114140964B (zh
Inventor
谢谨
李林
王杰
黄志华
肖黎亚
刘凯
吴晗
蒋小林
刘海龙
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.)
Zhuzhou Guochuang Track Technology Co ltd
Original Assignee
Zhuzhou Guochuang Track Technology Co ltd
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 Zhuzhou Guochuang Track Technology Co ltd filed Critical Zhuzhou Guochuang Track Technology Co ltd
Priority to CN202111417900.2A priority Critical patent/CN114140964B/zh
Publication of CN114140964A publication Critical patent/CN114140964A/zh
Application granted granted Critical
Publication of CN114140964B publication Critical patent/CN114140964B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • G08B13/24—Electrical actuation by interference with electromagnetic field distribution
    • G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • 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
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于无线感知的地铁隧道异物入侵检测方法及检测系统，该方法包括：步骤S1：信号发射端通过无线方式发送信号；步骤S2：信号接收端接收信道状态信息CSI数据；步骤S3：CSI信号预处理；步骤S4：目标角度估计；步骤S5：目标距离估计；利用CSI幅值作为信号能量衰减来构建距离能量衰减模型；根据CSI衰减模型，得到距离定位异物；步骤S6：目标定位与报警；对目标进行定位，当检测到异物进入或通过警告区域时，通过WiFi通信链路发送警报消息。该系统可以用来实施上述方法。本发明具有原理简单、成本低廉、易实现、实时监测效果好、可靠性较佳等优点。

Description

基于无线感知的地铁隧道异物入侵检测方法及检测系统
技术领域
本发明主要涉及到地铁安全运行监测技术领域，特指一种基于无线感知的地铁隧道异物入侵检测方法及检测系统。
背景技术
随着城市化进程的加快，地铁系统正在迅速发展，用以缓解城市交通拥堵的问题。在地铁系统中，地铁列车时在封闭的隧道和固定的轨道上高速运行，难以避开障碍物。因此，地铁列车的安全运行要求非常高。而异物侵入铁轨是严重影响列车安全的关键问题之一。因此，需要采用一种有效的方法来实现地铁异物入侵的检测和预警。
目前，高精度轨道异物入侵检测主要依赖于光学设备以及其他特种设备，如视频监控和图像识别，其受限于光照条件，弱光情况下的检测效果低下。
另有从业者提出基于激光雷达等专用设备的检测方式，虽能实现高精度测量，但需要较复杂的软硬件支持，受限于成本无法做到大范围检测。
由上可知，目前国内外流行的入侵检测方法很难同时在智能化的同时克服光照限制和硬件成本限制。
发明内容
本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、成本低廉、易实现、实时监测效果好、可靠性较佳的基于无线感知的地铁隧道异物入侵检测方法及检测系统。
为解决上述技术问题，本发明采用以下技术方案：
一种基于无线感知的地铁隧道异物入侵检测方法，其包括：
步骤S1：信号发射端通过无线方式发送信号；
步骤S2：信号接收端接收信道状态信息CSI数据；
步骤S3：CSI信号预处理；
步骤S4：目标角度估计；对经过信号预处理的CSI数据进行分析目标角度估计，对接收端CSI数据进行信号到达角估计；
步骤S5：目标距离估计；利用CSI幅值作为信号能量衰减来构建距离能量衰减模型；根据CSI衰减模型，得到距离定位异物；
步骤S6：目标定位与报警；对目标进行定位，当检测到异物进入或通过警告区域时，通过WiFi通信链路发送警报消息。
作为本发明方法的进一步改进：接收天线与发送天线形成无线通信链路，实时采集、传输CSI数据；所述CSI数据用来反映通信链路状态、信号能量衰减程度、信号相位信息。
作为本发明方法的进一步改进：所述步骤S3的流程包括：
步骤S301：对原始CSI数据进行降噪滤波；采用巴特沃斯低通滤波器滤除由无线信号在地铁隧道环境下传输时带来的高频噪声；
步骤S302：对由硬件缺陷导致的CSI数据相位异常进行校正。
作为本发明方法的进一步改进：所述步骤S4中，通过基于静态杂波抑制的多重信号分类算法对接收端CSI数据进行信号到达角估计。
作为本发明方法的进一步改进：所述步骤S4的流程包括：
步骤S401：CSI矩阵平滑化；
利用MUSIC算法进行AOA估计首先将接收信号X的协方差矩阵Rxx进行分解，得到信号子空间US和噪声子空间UN，计算出接收数据的导向矩阵，进行AOA估计；对CSI数据进行空间平滑，使协方差矩阵达到“满秩”状态；
步骤S402：MUSIC谱估计；
步骤S403：静态杂波抑制；用来减少接收机与发射机之间直接路径、非目标物体引起的反射路径的干扰。
作为本发明方法的进一步改进：所述步骤S403中，MUSIC算法为每个CSI数据包生成伪谱；所述伪谱为包含目标距离和角度信息的矩阵；所述静态杂波抑制是通过从样本中减去矩阵的平均值来实现静态杂波抑制，所述静态杂波抑制采用交叉分组算法。如下式，PMUSIC,t是在t时刻的MUSIC伪谱，而经过静态杂波抑制后的新伪谱
Figure BDA0003375811040000031
可以表示为：
Figure BDA0003375811040000032
作为本发明方法的进一步改进：所述步骤S5中，CSI的幅值衰减函数表示为：
Figure BDA0003375811040000033
式中，传播衰减Li,j，衍射衰减Di,j和目标t吸收损耗At；所有Li,j、Di,j和At都是距离di,t和dj,t的函数，其中di,t和dj,t分别表示发射端i到目标t的距离以及目标t到接收端j的距离；
式中，NLOS表示异物出现在NLOS路径中，而LOS表示异物出现在LOS路径中；当异物处于LOS路径时，异物将会遮挡LOS信号，所以不存在传播衰减Li,j；根据CSI衰减模型，得到距离dj,t来定位异物。
作为本发明方法的进一步改进：所述步骤S6的流程包括：
步骤S601：以信号接收为原点，建立二维平面坐标系；
步骤S602：通过SCS-MUSIC算法得到目标相对于原点的角度为θt，通过CSI距离能量衰减模型得到目标到原点的距离为dj,t；因此目标的坐标P(x,y)将被唯一确定，其中x＝(dj,tcosθt)，y＝(dj,tsinθt)；
步骤S603：构建影响现场列车安全的预警区域，并将预警区域映射到伪谱；当检测到异物进入或通过警告区域时，通过WiFi通信链路发送警报消息。
作为本发明方法的进一步改进：将报警区域映射到伪谱的流程为：在以接收机为原点的直角坐标系中，假设警戒线上的一个点的坐标为(x,y)；为了将平面直角坐标(x,y)转换为伪谱坐标(AOA,TOF)，使用警戒线模型来计算角度θ和信号传输时间T与直角坐标(x,y)的关系，几何变化后，θ是警戒线上各点与接收机之间的AOA，T是由警戒线上各点与接收机之间的距离转换的TOF。
Figure BDA0003375811040000041
其中，c是光速。
本发明进一步提供一种基于无线感知的地铁隧道异物入侵检测系统，其包括信号发送终端、发送天线、接收天线及数据处理与警报系统；所述信号发送终端与发送天线连接，所述发送天线和接收天线上均搭载WiFi网卡；所述数据处理和报警系统通过接收天线与发送天线形成的无线通信链路，实时采集、传输CSI数据，分析处理之后实现入侵物的检测报警和定位。
作为本发明系统的进一步改进：所述信号发送终端通过发送天线以无线方式发送信号，所述数据处理和报警系统通过接收天线接收信道状态信息CSI数据，并对CSI数据进行分析处理，完成目标角度估计、目标距离估计、目标定位与报警。
作为本发明系统的进一步改进：所述发送天线和接收天线均是由3根天线以两两相距d组成均匀线阵。
作为本发明系统的进一步改进：所述发送天线和接收天线中的天线采用正交频分复用技术，将信道分成30个正交子信道，将信号调制到30个子载波上传输。
与现有技术相比，本发明的优点在于：
1、本发明的基于无线感知的地铁隧道异物入侵检测方法及检测系统，原理简单、成本低廉、实时监测效果好，针对地铁隧道下的弱光、封闭环境，使用基于WiFi信号的无线感知技术实现异物入侵检测与定位功能。
2、本发明的基于无线感知的地铁隧道异物入侵检测方法及检测系统，基于无线感知的地铁隧道异物入侵检测系统具有良好的穿透性，能够适用于弱光和无光环境。本发明中核心网卡属于商用WiFi网卡，成本较低，功耗低，易于组网通过MIMI和OFDM技术实现了较好的无线感知能力；本发明的WiFi网卡同时能够实现感知功能和通信功能，利用分析CSI数据进行环境感知，通过WiFi通信链路实现实时报警，大大节约了成本和资源。
3、本发明的基于无线感知的地铁隧道异物入侵检测方法及检测系统，其数据处理系统采用SCS-MUSIC算法，有效地降低了空间静态杂波信号的干扰，提高了MUSIC算法的可靠性和稳定性。
附图说明
图1是本发明方法的流程示意图。
图2是本发明系统在具体应用实例中的拓扑结构原理示意图。
图3是本发明在具体应用实例中信号发送端与接收端结构原理示意图。
图4是本发明在具体应用实例中警戒区曲线转化函数模型原理示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
本发明的基于无线感知的地铁隧道异物入侵检测方法，主要是采用无线感知的方式，通过对接收端信道数据的分析，并利用基于静态杂波抑制的多重信号分类算法达到入侵检测的目的。
如图1所示，本发明基于无线感知的地铁隧道异物入侵检测方法的流程包括：
步骤S1：信号发射端通过无线方式发送信号。
发送天线在5GHz频段下发送WiFi信号；
步骤S2：信号接收端接收信道状态信息CSI数据(Channel State Information，CSI)。
在具体应用实例中，接收天线与发送天线形成无线通信链路，并实时对能够反映通信链路状态、信号能量衰减程度、信号相位信息的CSI数据进行采集并进行传输。
步骤S3：CSI信号预处理。
步骤S301：对原始CSI数据进行降噪滤波。
采用巴特沃斯低通滤波器滤除由无线信号在地铁隧道环境下传输时带来的高频噪声；
步骤S302：对由硬件缺陷导致的CSI数据相位异常进行校正。
信号收发端搭载的均是Intel 5300WiFi网卡，每个信号收发端上均由3根天线以两两相距d组成均匀线阵；假设信号接收端的接收信号入射角度为θ，子载波中心频率为f，光速为c那么两两天线之间的相位差恒定，为2π*d*sin(θ)*f/c。由于内部3根天线之间时钟不同步导致相位差不恒定，采用相位校正算法，解决CSI相位异常问题。
步骤S4：目标角度估计。
数据处理系统先对经过信号预处理的CSI数据进行分析目标角度估计，通过基于静态杂波抑制的多重信号分类算法(Static Clutter Suppression-Multiple signalclassification algorithm，SCS-MUSIC)对接收端CSI数据进行信号到达角(Angel ofArrival，AOA)估计。
在具体应用实例中，所述步骤S4的流程包括：
步骤S401：CSI矩阵平滑化。
基于IEEE 802.11n通信协议下的WiFi信号采用MIMO和OFDM技术，信号接收端有3根天线，并且通过30个子载波传输信号，那么接收端由Intel 5300WiFi网卡获取的CSI矩阵可以表示为：
Figure BDA0003375811040000071
其中A(θ)为导向矩阵包含每个信号的相位信息，S(t)是发送信号，N(t)是噪声，csia,b是指ath天线和bth子载波的CSI值。
利用MUSIC算法进行AOA估计首先将接收信号X的协方差矩阵Rxx进行分解，
Figure BDA0003375811040000072
得到信号子空间US和噪声子空间UN，理想情况下US和UN相互正交，即接收信号中的导向分量和噪声分量相互正交，即
AH(θ)UN＝0 (2)
理想情况下，通过对协方差矩阵
Figure BDA0003375811040000073
进行分解得到UN,在根据公式(2)，可以计算出接收数据的导向矩阵，从而进行AOA估计。但实际情况下由于噪声的存在，阵列信号中的信号子空间和不能完全正交，即接收数据的导向矩阵不能与噪声子空间完全成交。
因此，需要对CSI数据进行空间平滑，使其协方差矩阵达到“满秩”状态。
Figure BDA0003375811040000081
步骤S402：MUSIC谱估计。
经过上述空间平滑化，将原始CSI矩阵构造为平滑的CSI矩阵。经过空间平滑后，CSI的协方差矩阵将变成“满秩”，信号子空间与噪声子空间完全正交，即可正确估计目标AOA。
MUSIC算法通过最小化搜索的方式来进行AOA估计：
Figure BDA0003375811040000082
因此，MUSIC谱搜索可以表示为：
Figure BDA0003375811040000083
当
Figure BDA0003375811040000084
接近于0时，在空间信号频谱图上会出现一个“尖峰”，这个“尖峰”就属于信号子空间的导向矩阵，当
Figure BDA0003375811040000085
是一个不接近于0的数值时，在空间信号频谱图上就会很平坦。因此，利用谱峰搜索便能实现信源数AOA估计。
步骤S403：静态杂波抑制；用来减少接收机与发射机之间还有直接路径、非目标物体引起的反射路径的干扰；
在地铁轨道环境中，除了外来物体入侵引起的信号反射路径外，接收机与发射机之间还有直接路径，以及其他非目标物体引起的反射路径。这些信号路径的存在对异物检测有明显的负面影响。然而，这些路径都是静态路径，在静态路径上传播的信号是相干的。因此，这些信号可以通过静态杂波抑制算法来减少。
MUSIC算法为每个CSI数据包生成伪谱。伪谱可以看作是包含目标距离和角度信息的矩阵。在异物入侵的过程中，由于只有入侵异物处于运动状态，其反射信号是非相干的，而轨道轨旁设备以及环境因素则是静止的相干信号，且每个数据包中的伪谱峰值基本保持不变，因此，静态杂波抑制算法是通过从样本中减去矩阵的平均值来实现静态杂波抑制的。所以，静态杂波抑制是一种交叉分组算法。如公式(5)所示，PMUSIC,t是在t时刻的MUSIC伪谱，而经过静态杂波抑制后的新伪谱
Figure BDA0003375811040000091
可以表示为：
Figure BDA0003375811040000092
步骤S5：目标距离估计。
利用CSI幅值作为信号能量衰减来构建距离能量衰减模型。
因为CSI反映的是空间的状态，对目标状态极为敏感，通过对CSI能量衰减进行建模，可以以更高的精度进行距离估计，并且具有更好的抗干扰性。
无线通信中信号从发射端i到接收端j的能量衰减有三种：传播衰减Li,j，衍射衰减Di,j和目标t吸收损耗At。所有Li,j、Di,j和At都是距离di,t和dj,t的函数，其中di,t和dj,t分别表示发射端i到目标t的距离以及目标t到接收端j的距离。
因此，CSI的幅值衰减函数可以表示为：
Figure BDA0003375811040000093
式中的非视距(Non Line of Sight，NLOS)表示异物出现在NLOS路径中，而LOS表示异物出现在LOS路径中。当异物处于LOS路径时，异物将会遮挡LOS信号，所以不存在传播衰减Li,j。根据CSI衰减模型，得到距离dj,t来定位异物。
步骤S6：目标定位与报警。
在具体应用实例中，所述步骤S6的流程包括：
步骤S601：以信号接收为原点，建立二维平面坐标系。
步骤S602：通过SCS-MUSIC算法得到目标相对于原点的角度为θt，通过CSI距离能量衰减模型得到目标到原点的距离为dj,t。因此目标的坐标P(x,y)将被唯一确定，其中x＝(dj,tcosθt)，y＝(dj,tsinθt)。
步骤S603：要实现可用的地铁异物入侵检测和报警，还需要构建影响现场列车安全的预警区域，并将预警区域映射到伪谱。当检测到异物进入或通过警告区域时，通过WiFi通信链路发送警报消息。乙类列车的宽度为2.8m，本发明将其定义为轨道中心线向两侧延伸1.5m的警告区。
将报警区域映射到伪谱的方法如图3和公式(7)所示。在以接收机为原点的直角坐标系中，假设警戒线上的一个点的坐标为(x,y)。为了将平面直角坐标(x,y)转换为伪谱坐标(AOA,TOF)，使用警戒线模型来计算图3和公式(7)中的角度θ和信号传输时间T与直角坐标(x,y)的关系，几何变化后，θ是警戒线上各点与接收机之间的AOA，T是由警戒线上各点与接收机之间的距离转换的TOF。
Figure BDA0003375811040000101
其中，c是光速。
本发明进一步提供一种基于无线感知的地铁隧道异物入侵检测系统，其包括信号发送终端、发送天线、接收天线及数据处理与警报系统；所述信号发送终端与发送天线连接，所述发送天线和接收天线上均搭载WiFi网卡；所述数据处理和报警系统通过接收天线与发送天线形成的无线通信链路，实时采集、传输CSI数据，分析处理之后实现入侵物的检测报警和定位。
作为本发明系统的进一步改进：所述信号发送终端通过发送天线以无线方式发送信号，所述数据处理和报警系统通过接收天线接收信道状态信息CSI数据，并对CSI数据进行分析处理，完成目标角度估计、目标距离估计、目标定位与报警。
在一个具体应用实例中，本发明的基于无线感知轨道异物入侵检测系统包括商用无线网卡Intel 5300WiFi NIC、信号发送终端、发送天线、接收天线、数据处理与警报系统。其中Intel 5300WiFi网卡分别与发送天线和接收天线有线连接，发送天线与有线天线无线连接，接收天线与数据处理与报警系统有线连接。本发明基于地铁隧道的宽度、列车轨道宽度以及列车车身宽度尺寸，确保最精确有效的检测效果，定制化了地铁隧道异物入侵检测系统的部署方式和安装模式。信号发送终端是搭载Ubuntu10.04LTS系统的计算机,数据处理和报警系统同样搭载Ubuntu10.04LTS系统。如图2所示，本发明的Intel 5300WiFi网卡属于商用WiFi网卡，相对于其他无线感知设备成本低，操作简单，仅需一对收发天线，即两个网卡便能实现异物检测；功耗低、易于组网；相比于视频监控与机器视觉设备，能够更好地适用于地铁隧道的弱光环境，并且具有良好的穿透性；本发明的WiFi网卡工作在5GHz频段，避免了2.4GHz频段下其他无线射频设备的干扰，具有更好的稳定性。IEEE802.11n通信协议下的WiFi信号采用多进多出技术(Multiple Input Multiple Output，MIMO)，即在信号发送端和接收端都采用多根天线，大大地提高了信道容量，同时采用正交频分复用技术(Orthogonal Frequency Division Multiplexing，OFDM)，将信道分成30个正交子信道，将信号调制到30个子载波上传输，实现了较好的抗多径衰弱的能力，提高了系统稳定性；基于MIMO和OFDM技术，本发明具有更好的无线感知能力。
基于上述系统，详细工作流程如下：
步骤一：采用CSI Tool工具和开源Linux无线驱动程序对搭载Ubuntu10.04LTS系统的信号发送端和数据处理与报警系统进行固件修改，并调整为monitor模式，使其具备自定义CSI发送参数与接收CSI数据包的能力；
步骤二：部署无线感知地铁隧道异物入侵系统设备与装置。如图3和图4，将信号发送端与发送天线有线连接，接收天线和数据处理与报警系统有线连接，分别部署于距离警戒线1.5m的位置。
步骤三：信号发送端发送WiFi信号。在monitor模式下，利用被修改固件的信号终端在5GHz频段传输CSI数据包，发包数每秒1000个。
步骤四：接收天线接收CSI数据，并传输到数据处理与报警系统。首先采用巴特沃斯低通滤波器对原始CSI数据进行滤波降噪处理，然后利用相位校正算法对由Intel5300WiFi网卡内部时钟不同步引起的CSI相位异常问题进行校正。
步骤五：数据处理与报警系统对CSI数据进行数据处理。数据处理系统首先对校正过的CSI数据进行信号到达角AOA估计，并进行静态杂波抑制，再构建CSI距离能量衰减模型对目标距离进行估计。
步骤六：数据处理与报警系统对进行目标定位与发送警报。利用估计的AOA与目标距离，进行目标定位，一旦异物入侵，则发送警报。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (13)

1.一种基于无线感知的地铁隧道异物入侵检测方法，其特征在于，包括：
步骤S1：信号发射端通过无线方式发送信号；
步骤S2：信号接收端接收信道状态信息CSI数据；
步骤S3：CSI信号预处理；
步骤S4：目标角度估计；对经过信号预处理的CSI数据进行分析目标角度估计，对接收端CSI数据进行信号到达角估计；
步骤S5：目标距离估计；利用CSI幅值作为信号能量衰减来构建距离能量衰减模型；根据CSI衰减模型，得到距离定位异物；
步骤S6：目标定位与报警；对目标进行定位，当检测到异物进入或通过警告区域时，通过WiFi通信链路发送警报消息。
2.根据权利要求1所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，接收天线与发送天线形成无线通信链路，实时采集、传输CSI数据；所述CSI数据用来反映通信链路状态、信号能量衰减程度、信号相位信息。
3.根据权利要求1所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，所述步骤S3的流程包括：
步骤S301：对原始CSI数据进行降噪滤波；采用巴特沃斯低通滤波器滤除由无线信号在地铁隧道环境下传输时带来的高频噪声；
步骤S302：对由硬件缺陷导致的CSI数据相位异常进行校正。
4.根据权利要求1-3中任意一项所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，所述步骤S4中，通过基于静态杂波抑制的多重信号分类算法对接收端CSI数据进行信号到达角估计。
5.根据权利要求4所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，所述步骤S4的流程包括：
步骤S401：CSI矩阵平滑化；
利用MUSIC算法进行AOA估计首先将接收信号X的协方差矩阵Rxx进行分解，得到信号子空间US和噪声子空间UN，计算出接收数据的导向矩阵，进行AOA估计；对CSI数据进行空间平滑，使协方差矩阵达到“满秩”状态；
步骤S402：MUSIC谱估计；
步骤S403：静态杂波抑制；用来减少接收机与发射机之间直接路径、非目标物体引起的反射路径的干扰。
6.根据权利要求5所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，所述步骤S403中，MUSIC算法为每个CSI数据包生成伪谱；所述伪谱为包含目标距离和角度信息的矩阵；所述静态杂波抑制是通过从样本中减去矩阵的平均值来实现静态杂波抑制，所述静态杂波抑制采用交叉分组算法。如下式，PMUSIC,t是在t时刻的MUSIC伪谱，而经过静态杂波抑制后的新伪谱
Figure FDA0003375811030000021
可以表示为：
Figure FDA0003375811030000022
7.根据权利要求1-3中任意一项所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，所述步骤S5中，CSI的幅值衰减函数表示为：
Figure FDA0003375811030000023
式中，传播衰减Li,j，衍射衰减Di,j和目标t吸收损耗At；所有Li,j、Di,j和At都是距离di,t和dj,t的函数，其中di,t和dj,t分别表示发射端i到目标t的距离以及目标t到接收端j的距离；
式中，NLOS表示异物出现在NLOS路径中，而LOS表示异物出现在LOS路径中；当异物处于LOS路径时，异物将会遮挡LOS信号，所以不存在传播衰减Li,j；根据CSI衰减模型，得到距离dj,t来定位异物。
8.根据权利要求1-3中任意一项所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，所述步骤S6的流程包括：
步骤S601：以信号接收为原点，建立二维平面坐标系；
步骤S602：通过SCS-MUSIC算法得到目标相对于原点的角度为θt，通过CSI距离能量衰减模型得到目标到原点的距离为dj,t；因此目标的坐标P(x,y)将被唯一确定，其中x＝(dj,tcosθt)，y＝(dj,tsinθt)；
步骤S603：构建影响现场列车安全的预警区域，并将预警区域映射到伪谱；当检测到异物进入或通过警告区域时，通过WiFi通信链路发送警报消息。
9.根据权利要求8所述的基于无线感知的地铁隧道异物入侵检测方法，其特征在于，将报警区域映射到伪谱的流程为：在以接收机为原点的直角坐标系中，假设警戒线上的一个点的坐标为(x,y)；为了将平面直角坐标(x,y)转换为伪谱坐标(AOA,TOF)，使用警戒线模型来计算角度θ和信号传输时间T与直角坐标(x,y)的关系，几何变化后，θ是警戒线上各点与接收机之间的AOA，T是由警戒线上各点与接收机之间的距离转换的TOF。
Figure FDA0003375811030000031
其中，c是光速。
10.一种基于无线感知的地铁隧道异物入侵检测系统，其特征在于，包括信号发送终端、发送天线、接收天线及数据处理与警报系统；所述信号发送终端与发送天线连接，所述发送天线和接收天线上均搭载WiFi网卡；所述数据处理和报警系统通过接收天线与发送天线形成的无线通信链路，实时采集、传输CSI数据，分析处理之后实现入侵物的检测报警和定位。
11.根据权利要求10所述的基于无线感知的地铁隧道异物入侵检测系统，其特征在于，所述信号发送终端通过发送天线以无线方式发送信号，所述数据处理和报警系统通过接收天线接收信道状态信息CSI数据，并对CSI数据进行分析处理，完成目标角度估计、目标距离估计、目标定位与报警。
12.根据权利要求10或11所述的基于无线感知的地铁隧道异物入侵检测系统，其特征在于，所述发送天线和接收天线均是由3根天线以两两相距d组成均匀线阵。
13.根据权利要求12所述的基于无线感知的地铁隧道异物入侵检测系统，其特征在于，所述发送天线和接收天线中的天线采用正交频分复用技术，将信道分成30个正交子信道，将信号调制到30个子载波上传输。
CN202111417900.2A 2021-11-25 2021-11-25 基于无线感知的地铁隧道异物入侵检测方法及检测系统 Active CN114140964B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111417900.2A CN114140964B (zh) 2021-11-25 2021-11-25 基于无线感知的地铁隧道异物入侵检测方法及检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111417900.2A CN114140964B (zh) 2021-11-25 2021-11-25 基于无线感知的地铁隧道异物入侵检测方法及检测系统

Publications (2)

Publication Number Publication Date
CN114140964A true CN114140964A (zh) 2022-03-04
CN114140964B CN114140964B (zh) 2023-08-08

Family

ID=80387786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111417900.2A Active CN114140964B (zh) 2021-11-25 2021-11-25 基于无线感知的地铁隧道异物入侵检测方法及检测系统

Country Status (1)

Country Link
CN (1) CN114140964B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115334644A (zh) * 2022-08-18 2022-11-11 山东科技大学 单ap室内入侵目标检测方法、计算机设备以及可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102752849A (zh) * 2012-02-29 2012-10-24 中国人民解放军理工大学 基于信号检测概率和波达角估计的单接收机定位方法
US20160334498A1 (en) * 2014-01-30 2016-11-17 Ucl Business Plc Apparatus and method for determining the location of a mobile device using multiple wireless access points
KR101777381B1 (ko) * 2016-12-19 2017-09-11 엘아이지넥스원 주식회사 Pcl 수신기에서 적응 필터를 이용한 표적반사 신호의 도래각 추정 장치 및 방법
CN110286373A (zh) * 2019-07-19 2019-09-27 湖南华诺星空电子技术有限公司 一种复杂气候条件下的fod雷达雨雪杂波抑制方法
CN110412568A (zh) * 2019-07-05 2019-11-05 西安电子科技大学 基于扩展方位角相位编码的距离模糊杂波抑制方法
CN110471033A (zh) * 2019-08-29 2019-11-19 西安电子科技大学 基于相干fda的二维空时编码干扰抑制方法
CN110531311A (zh) * 2019-08-27 2019-12-03 武汉大学深圳研究院 一种基于矩阵重组的lte外辐射源雷达doa估计方法
CN111521969A (zh) * 2020-04-17 2020-08-11 西北工业大学 基于Wi-Fi的被动式室内定位方法
CN111856450A (zh) * 2020-07-22 2020-10-30 邵振海 基于5g基站的mimo三维雷达探测方法
US11018705B1 (en) * 2020-07-17 2021-05-25 Propagation Research Associates, Inc. Interference mitigation, target detection, location and measurement using separable waveforms transmitted from spatially separated antennas
CN113093187A (zh) * 2021-03-31 2021-07-09 中国人民解放军国防科技大学 一种无道路信息辅助的csar地面动目标跟踪方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102752849A (zh) * 2012-02-29 2012-10-24 中国人民解放军理工大学 基于信号检测概率和波达角估计的单接收机定位方法
US20160334498A1 (en) * 2014-01-30 2016-11-17 Ucl Business Plc Apparatus and method for determining the location of a mobile device using multiple wireless access points
KR101777381B1 (ko) * 2016-12-19 2017-09-11 엘아이지넥스원 주식회사 Pcl 수신기에서 적응 필터를 이용한 표적반사 신호의 도래각 추정 장치 및 방법
CN110412568A (zh) * 2019-07-05 2019-11-05 西安电子科技大学 基于扩展方位角相位编码的距离模糊杂波抑制方法
CN110286373A (zh) * 2019-07-19 2019-09-27 湖南华诺星空电子技术有限公司 一种复杂气候条件下的fod雷达雨雪杂波抑制方法
CN110531311A (zh) * 2019-08-27 2019-12-03 武汉大学深圳研究院 一种基于矩阵重组的lte外辐射源雷达doa估计方法
CN110471033A (zh) * 2019-08-29 2019-11-19 西安电子科技大学 基于相干fda的二维空时编码干扰抑制方法
CN111521969A (zh) * 2020-04-17 2020-08-11 西北工业大学 基于Wi-Fi的被动式室内定位方法
US11018705B1 (en) * 2020-07-17 2021-05-25 Propagation Research Associates, Inc. Interference mitigation, target detection, location and measurement using separable waveforms transmitted from spatially separated antennas
CN111856450A (zh) * 2020-07-22 2020-10-30 邵振海 基于5g基站的mimo三维雷达探测方法
CN113093187A (zh) * 2021-03-31 2021-07-09 中国人民解放军国防科技大学 一种无道路信息辅助的csar地面动目标跟踪方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115334644A (zh) * 2022-08-18 2022-11-11 山东科技大学 单ap室内入侵目标检测方法、计算机设备以及可读存储介质
CN115334644B (zh) * 2022-08-18 2024-05-03 山东科技大学 单ap室内入侵目标检测方法、计算机设备以及可读存储介质

Also Published As

Publication number Publication date
CN114140964B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
Cui et al. Integrating sensing and communications for ubiquitous IoT: Applications, trends, and challenges
CN105842683B (zh) 一种无人机综合防御系统及方法
JP3681241B2 (ja) 相対位置算出装置
CN106154222A (zh) 一种利用无线电射频信号检测人的行走方向的方法
US6833859B1 (en) Method of locating radio frequency leaks in a CATV system
CN204203457U (zh) 基于空间谱估计算法的短波测向系统
CN104076349A (zh) 一种基于多普勒频移的被动式移动目标定位方法
Bisio et al. On the localization of wireless targets: A drone surveillance perspective
Nguyen et al. Cost-effective and passive rf-based drone presence detection and characterization
CN111220946A (zh) 基于改进扩展卡尔曼滤波的多移动目标定位误差消除方法
CN111812630A (zh) 干扰剩余时外辐射源雷达目标检测与doa估计系统及方法
CN114140964B (zh) 基于无线感知的地铁隧道异物入侵检测方法及检测系统
Wang et al. TWPalo: Through-the-wall passive localization of moving human with Wi-Fi
JP2021118469A (ja) 電波監視装置および電波監視方法
WO2018131946A1 (ko) 이동 통신 시스템에서 드라이브 테스트를 수행하는 방법 및 장치
CN112924959B (zh) 基于带宽合成的分布式高频地波雷达目标定位和测速方法
Li et al. WiFi-based device-free vehicle speed measurement using fast phase correction MUSIC algorithm
Schmidhammer et al. 5G signal design for road surveillance
CN109001673B (zh) 一种无人机探测的方法和基站设备
Zhou et al. Unmanned aerial vehicle detection based on channel state information
KR20200131526A (ko) 대상체 크기 및 동작강도에 최적화된 검출 임계치를 적용할 수 있는 uwb 위치인식시스템 및 uwb 위치인식방법
Munir et al. CarFi: Rider Localization Using Wi-Fi CSI
CN115508791A (zh) 未知干噪环境下目标智能融合检测方法
CN115575905A (zh) 噪声背景下抑制多秩干扰的智能融合检测方法
CN110927666B (zh) 一种基于LoRa信号的非接触式检测定位方法及系统

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