CN115436876A - 一种感知设备在移动场景下实现无线非接触感知的方法 - Google Patents

一种感知设备在移动场景下实现无线非接触感知的方法 Download PDF

Info

Publication number
CN115436876A
CN115436876A CN202211124358.6A CN202211124358A CN115436876A CN 115436876 A CN115436876 A CN 115436876A CN 202211124358 A CN202211124358 A CN 202211124358A CN 115436876 A CN115436876 A CN 115436876A
Authority
CN
China
Prior art keywords
signal
sensing
motion
equipment
target
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.)
Withdrawn
Application number
CN202211124358.6A
Other languages
English (en)
Inventor
张扶桑
刘晓燕
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.)
Beijing Jian'an Perception Technology Co ltd
Original Assignee
Beijing Jian'an Perception 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 Beijing Jian'an Perception Technology Co ltd filed Critical Beijing Jian'an Perception Technology Co ltd
Priority to CN202211124358.6A priority Critical patent/CN115436876A/zh
Publication of CN115436876A publication Critical patent/CN115436876A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/12—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公布了一种感知设备在移动场景下实现无线非接触感知的方法，建立设备运动对感知信号的干扰模型，并设计基于模型的干扰消除方法，实现感知设备在移动场景下的无线非接触感知。建立感知设备在移动场景下实现无线非接触感知系统，包括数据采集模块和数据处理模块。在数据采集模块，使用感知设备发送和采集感知信号。数据处理模块包括参考物体选择、设备运动消除和目标呼吸还原子模块；利用参考物体选择构造最优的感知设备的运动参考信号；接着通过运动变换方法消除感知设备运动在目标信号和参考信号上的差异，并通过目标信号和参考信号相除消去设备运动干扰；最后通过圆心拟合方法还原感知目标运动。

Description

一种感知设备在移动场景下实现无线非接触感知的方法
技术领域
本发明属于物联网智能感知技术领域，涉及移动无线非接触感知技术，特别涉及一种感知设备在移动场景下实现无线非接触感知的方法，当感知设备处于运动状态时，实现设备在移动场景下的无线非接触感知。
背景技术
近年来，无线感知技术获得了学术界和产业界的普遍关注。无线感知的基本原理在于，通过感知设备向空间中发射无线信号，并在设备接收端分析感知目标运动对信号幅度、相位造成的影响，从而反推目标的位置、运动位移、运动频率等信息。无线感知系统的特点在于，无需感知目标佩戴(或安装)任何传感设备或者采集感知目标的图像信息，具有全天候、非侵扰和保护用户隐私的特性。目前，已有包括Wi-Fi(文献[1])、FMCW(文献[2])，UWB(文献[3])、超声波(文献[4])在内的多种信号被用于无线感知系统的构建。
已有的无线感知系统通常要求感知设备静止放置。例如，已有工作(文献[1])记载了使用静置的WiFi路由器桌上感知用户的呼吸波形。已有工作(文献[4])记载了使用静置的智能音箱监测用户的呼吸和心跳。然而值得注意的是，在真实场景中更多的无线感知设备通常处于移动场景，而非静止状态。例如，智能汽车搭载的超声波或FMCW雷达在监测驾驶员呼吸、心跳时，设备可能随车体颠簸而晃动。又如，搭载UWB或Wi-Fi的家用看护机器人可能在感知目标呼吸的同时调整自身位置。已有研究(文献[5])发现，在当设备自身运动幅度大于感知目标运动幅度时，目标运动的波形会被严重破坏。因此，若要实现移动场景的无线感知，必须消除设备自身运动的干扰。
目前，消除设备运动干扰的主要方法有三种：一种是文献[5]记载了基于经验模态分解(EMD)的方法，通过假设设备自身运动和人体呼吸处于不同频段，使用频率分解从混叠信号中提取出呼吸成分。该方法较容易实现，但不适用于设备运动和目标运动频率相近的情况。如在呼吸感知场景，看护人员手持感知设备监测目标呼吸，拿设备的手会随自身呼吸而不自主晃动；第二种，文献[6]记载了利用LiDAR或IMU传感器捕获设备运动，再从感知信号中消除设备运动的影响，但是不同模态数据对齐困难，运动干扰很难彻底消除；第三种方法是文献[7]记载了基于对抗生成网络(GAN)模型，通过大量数据的训练，从带设备运动干扰的信号中“生成”出真实呼吸模式。该方法恢复的波形与原始波形相似度较高，但模型泛化性差。例如当感知环境发生变化时，该方法可能失效。上述方法大都试图利用频率分解和机器学习实现设备移动场景下的无线感知，各自具有局限性。现有工作中尚未出现采用建立设备运动对信号干扰的数学模型，并设计基于模型的干扰消除方法以实现设备移动场景下的无线感知的技术方案。
参考文献：
[1]Zeng Y,Wu D,Xiong J,et al.FarSense:Pushing the range limit ofWiFi-based respiration sensing with CSI ratio of two antennas[J].Proceedingsof the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies,2019,3(3):1-26.
[2]Zhao M,Adib F,Katabi D.Emotion recognition using wireless signals[C]//Proceedings of the 22nd annual international conference on mobilecomputing and networking.2016:95-108.
[3]Yang Y,Cao J,Liu X,et al.Multi-breath:Separate respirationmonitoring for multiple persons with UWB radar[C]//2019IEEE 43rd AnnualComputer Software and Applications Conference(COMPSAC).IEEE,2019,1:840-849.
[4]Zhang F,Wang Z,Jin B,et al.Your smart speaker can"hear"yourheartbeat！[J].Proceedings of the ACM on Interactive,Mobile,Wearable andUbiquitous Technologies,2020,4(4):1-24.
[5]Zheng T,Chen Z,Cai C,et al.V2iFi:In-vehicle vital sign monitoringvia compact RF sensing[J].Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies,2020,4(2):1-27.
[6]R.Nakata,S.Clemens,A.Lee and V.Lubecke,"RF techniques for motioncompensation of an Unmanned Aerial Vehicle for remote radar life sensing,"2016IEEE MTT-S International Microwave Symposium(IMS),2016,pp.1-4.
[7]Chen Z,Zheng T,Cai C,et al.MoVi-Fi:Motion-robust vital signswaveform recovery via deep interpreted RF sensing[C]//Proceedings of the 27thAnnual International Conference on Mobile Computing and Networking.2021:392-405.
发明内容
为了克服上述现有技术的不足，本发明提供一种感知设备在移动场景下实现无线非接触感知的方法，建立设备移动场景下感知信号的模型，并设计基于模型的干扰消除方法，进一步实现设备移动场景无线感知。
本发明的技术方案：
一种感知设备在移动场景下实现无线非接触感知的方法，包括如下步骤：
第一步：采用多种感知模态采集得到感知信号。
本发明方法所支持的感知模态包括但不限于WiFi、UWB(超宽带，Ultra WideBand)、FMCW(调频连续波，Frequency Modulated Continuous Wave)和超声波信号。针对不同的感知模态，使用不同的前端设备发送和采集感知信号。在感知信号采集时，感知目标需处于信号有效范围内。感知设备无需固定放置，可处于自由运动状态，包括但不限于手持、机器人搭载或其他各种运动平台搭载的运动场景。感知目标可以为运动状态或静止状态。
对于采集到的数据，实时送入预处理模块。
第二步：进行信号预处理，获得感知信号的距离-时间谱，并分离出感知目标的反射信号和静态物体的反射信号。
预处理后，获得感知信号的距离-时间谱，建立设备移动场景的感知信号距离-时间谱模型；
通过在距离-时间谱上选择距离位置，可分离出感知目标的反射信号和静态物体(墙、家具、地面等)的反射信号。分别建立设备移动场景的感知目标和静态物体反射信号模型。
第三步：参考物体选择：提取各静态物体的反射信号，选择信号质量(信号平均强度和强度方差的比值)最大的静态物体反射信号作为参考信号；
第四步：通过最小化设备运动相移差异，补偿目标信号的设备相移成分；具体是通过计算比例系数以补偿静态物体的设备运动相移；再将感知目标反射信号除以补偿后的静态反射信号，消除设备运动相移，获得消除设备运动后的信号。
第五步：还原感知目标的运动。
对于第四步获得的消除设备运动后的信号，采用圆心拟合的方式估计信号复平面圆心位置，进而消除静态成分干扰。使用基于最小二乘法的圆心拟合的方式计算得到圆心和半径。计算出圆心后，将信号复平面圆心搬移至信号复平面原点。对圆心搬移后的信号取相位，即可还原目标的运动波形。
本发明具体实施时还建立了一种感知设备在移动场景下实现无线非接触感知的系统，包括数据采集模块和数据处理模块。数据采集模块用于通过感知设备发送和采集感知信号。感知设备可处于任意运动状态。采集到的感知数据可通过有线或无线方式传输至数据处理模块。数据处理模块包括参考物体选择、设备运动消除和目标运动还原三个子模块。其中，参考物体子模块用于选择构造最优的感知设备的运动参考信号。设备运动消除子模块用于消除感知设备运动在目标信号和参考信号上的差异，并通过目标信号和参考信号相除消去设备运动干扰。目标运动还原子模块用于通过圆心拟合方法还原感知目标的运动。
与现有技术相比，本发明的有益效果：
本发明提供一种感知设备在移动场景下实现无线非接触感知的方法，建立设备运动对信号干扰的模型，并设计基于模型的干扰消除方法，进一步实现设备移动场景无线感知。本发明克服了传统无线感知系统要求感知设备静止放置的局限性，拓展了无线感知的应用场景。
附图说明
图1为本发明提供的设备移动场景下无线感知方法的流程框图。
图2为移动场景下对目标的非接触感知实施场景示例。
图3为本发明具体实施的参考物体选择的示意图。
图4为本发明具体实施中参考物体选择结果示意图。
图5为本发明具体实施中设备运动消除结果示意图。
图6为本发明具体实施中圆心拟合及原点搬移消除静态成分示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。
如图1所示，本方法具体实施时建立了一种感知设备在移动场景下实现无线非接触感知的系统，包括数据采集模块和数据处理模块。在数据采集模块，使用感知设备发送和采集感知信号。感知设备可处于任意运动状态。采集到的感知数据可通过有线或无线方式传输至数据处理模块。在数据处理模块，包括参考物体选择、设备运动消除和目标运动还原三个子模块。首先利用参考物体选择构造最优的感知设备的运动参考信号。接着通过运动变换方法消除感知设备运动在目标信号和参考信号上的差异，并通过目标信号和参考信号相除消去设备运动干扰。最后通过圆心拟合方法还原感知目标运动。
本发明的实现步骤如下：
第一步：感知信号采集。本发明方法所支持的感知模态包括但不限于WiFi、UWB(超宽带，Ultra Wide Band)、FMCW(调频连续波，Frequency Modulated Continuous Wave)和超声波信号。针对不同的感知模态，使用不同的前端设备发送和采集感知信号。例如，WiFi信号可使用配备WiFi网卡的商用路由器或笔记本电脑；UWB信号和FMCW信号可使用商用雷达或智能手机；超声波信号可使用智能手机或智能音箱。在感知信号采集时，感知目标需处于信号有效范围内。感知设备无需固定放置，可处于自由运动状态，包括但不限于手持、机器人搭载或其他各种运动平台搭载的运动场景。如图2所示，用户可以在手持搭载感知模块的智能手机的同时监测他人运动，搭载感知模块的家用看护机器人可以在自身运动的同时感知用户手势。对于采集到的数据，实时送入预处理模块。
第二步：进行信号预处理，获得感知信号的距离-时间谱，并分离出感知目标和静态物体的反射信号。
为使不同感知模态适用于相同的信号处理流程，首先按信号种类进行预处理操作。
(1)对于WiFi信号，首先对多根天线的接收信号取信号比，消去接收信号中因时钟不同步产生的相位偏移(相移)。其次将接收信号的各载波按中心频率排序，并依次对各采样点的多个载波采用Range-Beamforming(距离域波束赋形)算法。
(2)对于UWB信号，将各脉冲对应的接收帧按时间拼接成矩阵形式。
(3)对于FMCW信号或超声波信号，首先对接收信号进行混频，获得中频输出。并依次对各接收帧中频输出采用Range-FFT(距离域快速傅里叶变换)或Music(多重信号分类)算法。
预处理后，获得感知信号的距离-时间谱。建立设备移动场景的感知信号距离-时间谱模型如下：
Figure BDA0003844508750000051
其中，y(t,τ)表示感知信号的距离-时间谱；t表示感知信号的距离-时间谱的时间域，τ表示感知信号的距离域(时延域)，αp表示传播路径的衰减系数，g(·)表示信号的时延域脉冲形式，τp表示反射体于设备距离导致的时延，Δτp(t)表示反射体运动导致的时延变化，Δτdevice,p(t)表示设备运动在空间中各信号反射路径上产生的时延变化，j表示虚数单位；fc表示载波频率。通过在感知信号的距离-时间谱上选择距离位置，可分离出感知目标和静态物体的反射信号。
建立设备移动场景的感知目标反射信号模型如下：
Figure BDA0003844508750000052
其中，y(t)表示感知目标反射信号，Atarget和Astiatic表示感知目标运动部分和静止部分反射的幅度大小，τstatic表示目标与设备距离产生的时延，Δτtarget(t)表示目标运动导致的时延变化，Δτdevice(t)表示设备运动在感知目标反射路径产生的时延变化，fc表示载波频率，j表示虚数单位。
建立设备移动场景的静态物体反射信号模型如下：
Figure BDA0003844508750000061
其中，ys,n(t)表示空间中第n个静态物体的反射信号，As,n表示第n个静态物体反射信号的幅度大小，τstatic,n表示第n个静态物体与设备距离产生的时延，ΔΔτdevice,n(t)表示设备运动在第n个静态物体反射路径产生的时延变化，fc表示载波频率，j表示虚数单位。
第三步：参考物体选择：提取各静态物体的反射信号，选择信号质量(信号平均强度和强度方差的比值)最大的静态物体反射信号作为参考信号。
空间中存在的每个静态物体的反射信号会在距离-时间谱上产生一个能量峰值。当感知设备处于运动状态时，各能量峰值的的距离域坐标会随感知设备运动而变化。如图3所示，空间中存在3个能量不同静态物体反射信号，在感知信号的距离-时间谱上的距离域上从左至右(距离上由近及远)产生了3个高度不同的峰值。当感知设备朝靠近物体的方向运动时，其与3个静态物体的距离随之变短。这使得3个峰值在距离域的位置，随着时间的变化向左移动。
采用二维峰值追踪方法提取各静态物体的反射信号。对于采集到的信号，采用信号平均强度和强度方差的比值表示信号质量，表示为：
Figure BDA0003844508750000062
其中，Mean(·)表示取均值运算，Var(·)表示取方差运算，|·|表示取模运算。比值越大，表示信号越稳定。选择比值最大的静态物体反射作为参考信号。使用二维峰值追踪方法，从图3所示的距离-时间谱中分别提取三个静态物体的反射信号，获得信号的复平面表示如图4所示。可以看出，物体1反射信号的能量较大，但波动方差也较大。物体2虽然波动方差小，但能量也较小。而物体3反射信号同时具有较大能量和较小方差。根据信号质量的判断准则，选择物体3的反射信号作为参考信号。
第四步：通过最小化设备运动相移差异，补偿目标信号的设备相移成分；具体是通过计算比例系数以补偿参考信号上的运动相移；再将目标反射信号除以补偿后的参考信号，消除设备运动相移，获得消除设备运动后的信号。
由于位置差异，感知目标反射信号和参考信号的设备相移不完全相同。设感知目标反射信号和参考信号与设备运动方向的夹角分别为θt和θr。根据几何关系，当设备运动一个较短的位移Δd时，两条路径(感知目标反射信号路径参考信号路径)的长度变化分别为：
ΔLt＝Δt·cosθt,ΔLr＝Δd·cosθr
两路径上的设备运动相移分别为：
Figure BDA0003844508750000071
其中，fc表示载波频率，c表示光速。为准确补偿目标信号的设备相移成分，需最小化两路径的设备运动相移差异。由于Δφt和Δφr之间存在比例关系：Δφt＝βΔφr，只需计算出比例系数β即可补偿参考信号的设备运动相移。对于较小的时间窗口内的信号，可认为设备运动方向恒定。设一段信号共N个采样点，分别使用Prn和Ptn表示参考信号和目标反射信号第n个点的相位，则对应时间窗口的β可通过最小二乘法求解下列优化函数获得：
Figure BDA0003844508750000072
其中，argmin(·)表示求解使目标函数最小值时的变量值，γ为辅助求解变量，无物理意义。比例系数β的最小二乘解为：
Figure BDA0003844508750000073
其中，∑n·≠m(·)表示对于Pr和Pt，将任意两个不同点的相位相乘后累加，n和m表示第n个和第m个点相位。获得比例系数β后，将参考信号的相位乘β，补偿设备运动相移的差异。将目标反射信号除以补偿后的参考信号，完全消除设备运动相移：
Figure BDA0003844508750000074
其中，ynew(t)为相除后的新信号，fc为信号载波频率，Δτdevice,target(t)为设备运动在目标反射路径产生的时延变化，β·Δτdevice,n(t)表示补偿后的设备运动在参考信号路径产生的时延变化，Ht，Hs,i和Hs,n分别表示无设备运动干扰时目标运动部分的反射信号，目标静止部分的反射信号以及参考信号，A′mov和A′static分别为新的动态、静态成分的幅度大小，Δτtarget(t)表示感知目标运动引起的相位变化，τtarget表示感知目标与感知设备之间距离引起的相位，β·τstatic,n表示补偿后的参考信号中参考信号所对应静态物体和感知设备之间距离引起的相位，j表示虚数单位。相除后的新信号仅包含目标运动时延Δτtarget(t)引起的相位变化，完全消除了设备自身运动引入的干扰。如图5所示，在上方子图中实线代表感知目标信号，虚线代表补偿后的参考信号。通过信号相除的方法，可以获得下方子图中消除了设备运动干扰后的波形。
第五步：目标运动还原。
对于第四步获得的消除设备运动后的信号，采用圆心拟合的方式估计信号复平面圆心位置，进而消除静态成分干扰，还原设备运动位移量。使用基于最小二乘法的圆心拟合的方式，圆心(Ic,Qc)和半径rc可表示为：
Figure BDA0003844508750000081
其中：
Figure BDA0003844508750000082
其中，(In,Qn)表示第n个采样点在信号复平面的坐标，N是时域采样点的总数，
Figure BDA0003844508750000083
Figure BDA0003844508750000084
计算出圆心后，将信号复平面圆心搬移至信号复平面原点。对圆心搬移后的信号取相位，即可还原目标的运动波形。如图6所示，在信号复平面上，目标运动引起了
Figure BDA0003844508750000085
的动态成分相位变化。但由于存在静态成分，合成信号的相位变化小于
Figure BDA0003844508750000086
通过圆心拟合估计静态成分，并使用原点搬移消除静态成分后，此时信号的相位变化与目标运动产生的距离变化相一致。
通过上述步骤，完成感知设备在移动场景下实现无线非接触感知，获取到感知目标的运动波形。
需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (10)

1.一种感知设备在移动场景下实现无线非接触感知的方法，建立设备运动对感知信号的模型，并设计基于模型的干扰消除方法，实现感知设备在移动场景下的无线非接触感知；包括如下步骤：
第一步：通过感知设备采用多种感知模态采集得到感知信号；
感知模态包括但不限于WiFi、超宽带UWB、调频连续波FMCW和超声波信号；
感知设备无需固定放置；
第二步：进行信号预处理，获得感知信号的距离-时间谱，并分离出感知目标的反射信号和静态物体的反射信号；分别建立设备移动场景的感知目标反射信号模型和静态物体反射信号模型；
建立设备移动场景的感知目标反射信号模型，表示为：
Figure FDA0003844508740000011
其中，y(t)为感知目标反射信号；Atarget和Astiatic表示感知目标运动部分和静止部分反射的幅度大小，τstatic表示目标与设备距离产生的时延，Δτtarget(t)表示目标运动导致的时延变化，Δτdevice(t)表示设备运动在感知目标反射路径产生的时延变化，fc表示载波频率，j表示虚数单位；
建立设备移动场景的静态物体反射信号模型，表示为：
Figure FDA0003844508740000012
其中，ys,n(t)表示空间中第n个静态物体的反射信号，As,n表示第n个静态物体反射信号的幅度大小，τstatic,n表示第n个静态物体与设备距离产生的时延，Δτdevice,n(t)表示设备运动在第n个静态物体反射路径产生的时延变化；
第三步：参考物体选择：提取各静态物体的反射信号，选择信号质量最大的静态物体反射信号作为参考信号；所述信号质量为信号平均强度和强度方差的比值；
第四步：通过最小化设备运动相移差异，补偿目标信号的设备相移成分；具体是通过计算比例系数以补偿参考信号上的运动相移；再将目标反射信号除以补偿后的参考信号，消除设备运动相移，获得消除设备运动后的信号；
包括如下过程：
41)计算得到当设备运动位移Δd时感知目标反射信号路径和参考信号路径的长度变化；
42)计算得到两路径上的设备运动相移；获得两路径上的设备运动相移之间的比例关系；
43)最小化两路径的设备运动相移差异，求解得到比例系数β；
设一段信号共N个采样点，分别使用
Figure FDA0003844508740000022
和
Figure FDA0003844508740000023
表示第n个采样点的相位，通过最小二乘法求解优化函数获得对应时间窗口的比例系数β；
44)将静态反射信号的相位乘β，补偿设备运动相移的差异；将目标反射信号除以补偿后的静态反射信号，完全消除设备运动相移；
第五步：还原感知目标的运动；
对于第四步获得的消除设备运动后的信号，通过估计得到信号复平面圆心位置，再将信号复平面圆心移至信号复平面原点，得到圆心移后的信号；对圆心移后的信号取相位，即可还原感知目标的运动波形；
由此实现感知设备在移动场景下进行无线非接触感知。
2.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，第一步中，对于不同的感知模态，使用不同的前端设备发送和采集感知信号。
3.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，感知设备可处于自由运动状态；移动场景包括但不限于手持、机器人搭载或其他运动平台搭载的运动场景。
4.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，第二步中，预处理后获得的感知信号的距离-时间谱表示为：
Figure FDA0003844508740000021
其中，y(t,τ)表示感知信号的距离-时间谱；t表示感知信号的距离-时间谱的时间域；τ表示感知信号的距离域或时延域；αp表示不同传播路径的衰减系数，g(·)表示信号的时延域脉冲形式；τp表示反射体于设备距离导致的时延；Δτp(t)表示反射体运动导致的时延变化；Δτdevice,p(t)表示设备运动在各路径上产生的时延变化；j表示虚数单位；fc表示载波频率；
通过在感知信号的距离-时间谱上选择距离位置，分离出感知目标和静态物体的反射信号。
5.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，第三步中，具体是采用二维峰值追踪方法提取各静态物体的反射信号。
6.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，第三步中，采集到的信号质量Quality表示为：
Figure FDA0003844508740000031
其中，Mean(·)表示取均值运算，Var(·)表示取方差运算，|·|表示取模运算；信号质量即比值越大，表示信号越稳定。
7.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，步骤41)中，具体是通过以下公式计算得到当设备运动位移Δd时感知目标反射信号路径和参考信号路径的长度变化：
ΔLt＝Δd·cosθt，ΔLr＝Δd·cosθr
其中，θt和θr分别为感知目标反射信号与设备运动方向的夹角和参考信号与设备运动方向的夹角；
步骤42)具体是通过以下公式计算得到两路径上的设备运动相移：
Figure FDA0003844508740000032
两路径上的设备运动相移Δφt和Δφr之间的比例关系为：Δφt＝βΔφr；
其中，fc表示载波频率，c表示光速；β为比例系数；
步骤43)中，优化函数表示为：
Figure FDA0003844508740000033
其中，argmin(·)表示求解使目标函数最小值时的变量值，γ为辅助求解变量；比例系数β的最小二乘解为：
Figure FDA0003844508740000034
其中，∑n·≠m(·)表示对于Pr和Pt，将任意两个不同点的相位相乘后累加；n和m分别表示第n个和第m个点。
8.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，步骤44)中完全消除设备运动相移的过程表示为：
Figure FDA0003844508740000035
其中，ynew(t)为相除后的新信号；fc为信号载波频率；Δτdevice,target(t)为设备运动在目标反射路径产生的时延变化；β·Δτdevice,n(t)表示补偿后的设备运动在参考信号路径产生的时延变化；Ht，Hs,i和Hs,n分别表示无设备运动干扰时目标运动部分的反射信号，目标静止部分的反射信号以及参考物体的反射信号；A′mov和A′static分别为新的动态、静态成分的幅度大小；Δτtarget(t)表示感知目标运动引起的相位变化；τtarget表示感知目标与感知设备之间距离引起的相位；β·τstatic,n表示补偿后的参考物体与设备之间距离引起的相位；j表示虚数单位。
9.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，第五步中，具体是使用基于最小二乘法的圆心拟合的方式进行计算，估计得到圆心和半径；再将信号复平面圆心移至信号复平面原点，得到圆心移后的信号。
10.如权利要求1所述感知设备在移动场景下实现无线非接触感知的方法，其特征是，利用所述方法实现一种感知设备在移动场景下实现无线非接触感知的系统，包括数据采集模块和数据处理模块；
数据采集模块用于通过感知设备发送和采集感知信号；感知设备可处于任意运动状态；采集到的感知数据可通过有线或无线方式传输至数据处理模块；
数据处理模块包括参考物体选择、设备运动消除和目标运动还原三个子模块；其中，参考物体子模块用于选择构造最优的感知设备的运动参考信号；设备运动消除子模块用于消除感知设备运动在目标信号和参考信号上的差异，并通过目标信号和参考信号相除消去设备运动干扰；目标运动还原子模块用于通过圆心拟合方法还原感知目标的运动。
CN202211124358.6A 2022-09-14 2022-09-14 一种感知设备在移动场景下实现无线非接触感知的方法 Withdrawn CN115436876A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211124358.6A CN115436876A (zh) 2022-09-14 2022-09-14 一种感知设备在移动场景下实现无线非接触感知的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211124358.6A CN115436876A (zh) 2022-09-14 2022-09-14 一种感知设备在移动场景下实现无线非接触感知的方法

Publications (1)

Publication Number Publication Date
CN115436876A true CN115436876A (zh) 2022-12-06

Family

ID=84249246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211124358.6A Withdrawn CN115436876A (zh) 2022-09-14 2022-09-14 一种感知设备在移动场景下实现无线非接触感知的方法

Country Status (1)

Country Link
CN (1) CN115436876A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116933167A (zh) * 2023-08-03 2023-10-24 天津大学 一种基于rfid的移动场景液体感知方法
CN117014801A (zh) * 2023-08-24 2023-11-07 北京物资学院 无线蜂窝系统中感知性能优化方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116933167A (zh) * 2023-08-03 2023-10-24 天津大学 一种基于rfid的移动场景液体感知方法
CN117014801A (zh) * 2023-08-24 2023-11-07 北京物资学院 无线蜂窝系统中感知性能优化方法
CN117014801B (zh) * 2023-08-24 2024-03-19 北京物资学院 无线蜂窝系统中感知性能优化方法

Similar Documents

Publication Publication Date Title
CN115436876A (zh) 一种感知设备在移动场景下实现无线非接触感知的方法
CN110383284B (zh) 基于超声波的手势识别
Raja et al. WiBot! In-vehicle behaviour and gesture recognition using wireless network edge
Yin et al. HEAR: Approach for heartbeat monitoring with body movement compensation by IR-UWB radar
Sun et al. An improved time-frequency analysis method in interference detection for GNSS receivers
CN114259213B (zh) 杂波背景下毫米波mimo雷达的邻近多目标生命体征检测方法
Hoang et al. A CNN-LSTM quantifier for single access point CSI indoor localization
CN108459706A (zh) 基于相对运动轨迹跟踪的Wi-Fi手势识别方法
WO2021086688A2 (en) Smart-device-based radar system performing gesture recognition using a space time neural network
CN108089702B (zh) 一种基于超声波的人机体感交互方法及系统
Keerativoranan et al. Mitigation of CSI temporal phase rotation with B2B calibration method for fine-grained motion detection analysis on commodity Wi-Fi devices
Marxim Rahula Bharathi et al. Underwater sound source localization by EMD-based maximum likelihood method
Wu et al. Path-independent device-free gait recognition using mmwave signals
Molaei et al. An efficient waveform diversity based on variational mode decomposition of coded beat‐frequency shifted signals algorithm for multiple‐input multiple‐output millimetre‐wave imaging
Ali et al. Blind source separation schemes for mono-sensor and multi-sensor systems with application to signal detection
EP4193185A1 (en) Smart-device-based radar system performing angular position estimation
Xu et al. Incoherent interference detection and mitigation for millimeter-wave FMCW radars
WO2018003158A1 (ja) 相関関数生成装置、相関関数生成方法、相関関数生成プログラムおよび波源方向推定装置
Sabushimike et al. Low-rank matrix recovery approach for clutter rejection in real-time IR-UWB radar-based moving target detection
Wu et al. Direct position determination of coherent pulse trains based on Doppler and Doppler rate
Glukhov et al. Loosely coupled UWB/stereo camera integration for mobile robots indoor navigation
CN109188436A (zh) 适用于任意平台轨迹的高效双基sar回波生成方法
Bülow et al. Synthetic aperture sonar (SAS) without navigation: Scan registration as basis for near field synthetic imaging in 2D
Waqar et al. Direction-independent human activity recognition using a distributed MIMO radar system and deep learning
Tegou et al. Using auditory features for WiFi channel state information activity recognition

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20221206