CN116939501A - 一种基于商用WiFi设备的目标运动轨迹追踪方法及装置 - Google Patents

一种基于商用WiFi设备的目标运动轨迹追踪方法及装置 Download PDF

Info

Publication number
CN116939501A
CN116939501A CN202310278475.6A CN202310278475A CN116939501A CN 116939501 A CN116939501 A CN 116939501A CN 202310278475 A CN202310278475 A CN 202310278475A CN 116939501 A CN116939501 A CN 116939501A
Authority
CN
China
Prior art keywords
tracking
target
target motion
module
signal
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
Application number
CN202310278475.6A
Other languages
English (en)
Inventor
路兆铭
江佳玮
韩子钧
周爽
赵靖博
张凯敏
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.)
Xingdao Technology Yangquan Co ltd
Beijing University of Posts and Telecommunications
Original Assignee
Xingdao Technology Yangquan Co ltd
Beijing University of Posts and Telecommunications
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 Xingdao Technology Yangquan Co ltd, Beijing University of Posts and Telecommunications filed Critical Xingdao Technology Yangquan Co ltd
Priority to CN202310278475.6A priority Critical patent/CN116939501A/zh
Publication of CN116939501A publication Critical patent/CN116939501A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于商用WiFi设备的目标运动轨迹追踪方法及装置，属于计算机通信技术领域。针对目前基于WiFi信号的目标轨迹追踪方法受天线数量和带宽的限制以及定位精度只能达到几十厘米的问题，本发明通过CSI采集和去噪处理后进行频率偏移消除获得标准CSI数据，建立无线信道模型并提取信号直传路径并进行动态信号到达角、离开角估计。基于建立目标运动轨迹、信号路径长度变化与CSI相位数据变化之间的关联，指定参考方向建立笛卡尔坐标系，完成单一对收发设备下的目标运动轨迹追踪模型设计。聚合各链路下的路径长度变化、复衰减因数、角度估计、目标位置等信息，建立一组超定方程组，求解二维平面内目标位置坐标并追踪完整轨迹，从而实现细粒度目标追踪。

Description

一种基于商用WiFi设备的目标运动轨迹追踪方法及装置
技术领域
本发明属于计算机通信技术领域，具体涉及一种基于商用WiFi设备的目标运动轨迹追踪方法及装置。
背景技术
目标定位技术作为当今广泛应用的技术门槛，包括机器人导航、移动游戏等，承载着日益重要的作用。近些年来，目标定位在智能家居、虚拟现实和人机交互等多个领域成为研究焦点。目前，目标定位技术的实现主要基于声学信号、照相机、红外线、惯性传感器和射频信号几大类。其中由于WiFi信号的普遍可用性、成本效益和隐私保护优势，基于WiFi的目标定位课题吸引了学术界的众多研究思考。
基于WiFi信号的目标轨迹追踪近年来取得了较大突破，但大多数现有的文献主要将注意力放在WiFi发射源的绝对位置。其完成的依据是发射设备摆放位置的先验知识，以及信道参数的几何知识，例如信号到达角、离开角、飞行时间等。然而，基于此的目标定位能力从根本上受到天线数量和带宽的限制，因此最先进的定位方案也只能达到几十厘米的精度。
发明内容
针对目前基于WiFi信号的目标轨迹追踪方法收到天线数量和带宽的限制以及定位精度只能达到几十厘米的问题，本发明提供了一种基于商用WiFi设备的目标运动轨迹追踪方法及装置。
本发明的目的在于提出一种基于商用WiFi设备的目标运动轨迹追踪方法及装置，实现WiFi信号覆盖下，在任何区域都内完成追踪目标运动轨迹。以接收设备上的天线为追踪目标，基于CSI信号提出平面内的高细粒度目标追踪物理模型，从而绕开模式识别中繁重的训练步骤，从根本上解决了以往基于无线信号的目标定位精度不足的问题，极大的增强了基于WiFi信号的目标定位技术的实用性。
为了达到上述目的，本发明采用了下列技术方案：
一种基于商用WiFi设备的目标运动轨迹追踪方法，包括以下步骤：
步骤1，CSI数据采集及去噪；
步骤2，设计天线阵列，搭建无线信道模型；
步骤3，误差干扰消除；
步骤4，基于天线阵列的无线信道模型，完成路径信号角度估计；
步骤5，构建目标运动轨迹追踪模型；
步骤6，目标追踪修正。
所述步骤1，CSI数据采集及去噪的具体方法是：至少采用三台WiFi发射设备，一台WiFi接收设备，将接收设备上的天线作为追踪目标，以不固定的摆放方式，采集包含目标运动和参考信息的CSI数据；然后将所有AP采集到的信道状态信息发送至中央服务器进行处理；对CSI数据中包含的发射接收机对基带信号处理过程中引入的各种系统噪声进行平滑去噪处理。
进一步，所述步骤2设计天线阵列，搭建无线信道模型的具体方法是：基于三台接收设备均配备了三根全向天线，并采用线性阵列的摆放方式，借助信号离开角度变量设计转向矩阵，结合各路径上信号衰减矩阵，搭建理想无线信道模型；基于收发设备之间存在异步的时钟误差，搭建实际无线信道模型。
进一步，所述步骤3误差干扰消除的具体方法是：基于接收设备上除轨迹追踪目标天线外的两根静止参考天线阵列，消除由于收发设备之间时钟不同步引起的相位偏移；具体基于每对相邻数据包采集的CSI数据的信号衰减因数包含的误差分量差相同，采用做差的方式消除误差分量；消除由环境中不相关物体引起的反射信号和电子噪声引起的干扰。
进一步，所述步骤4基于天线阵列的无线信道模型，完成路径信号角度估计的具体方法是：基于各台发射设备的线性天线阵列，搭建链路的无线信道模型，采用MUSIC算法估计直传路径以及反射路径的信号离开角；在计算角度之前，完成飞行时间的校正，消除由包检测偏移和采样频率偏移引起的相位偏移。
进一步，所述步骤5构建目标运动轨迹追踪模型的具体方法是：基于天线线性阵列特性以及信号离开角估计进行路径长度变化估计；
建立目标运动引起的信号路径长度变化和采集的CSI数据关联模型；
基于单对链路下CSI相位获得信号衰减数据，路径角度数据，获得二维平面内目标运动轨迹向量的未定方程；联立多条链路，完成超定方程并求解目标各时刻下的二维坐标以及完整轨迹。
进一步，所述步骤6目标追踪修正的具体方法是：手势运动分割，通过设置经验阈值，通过比较手势轨迹长度波动和经验阈值来进行分割；
手势运动实例检测，具体将阻力型抓握压力传感器整合到跟踪目标中，完成手势书写连词的分割工作。
一种基于商用WiFi设备的目标运动轨迹追踪方法的装置，包括CSI数据采集及去噪单元、无线信道模型单元、误差干扰消除单元、信号角度估计单元、目标运动轨迹追踪模型单元和目标追踪修正单元；
所述CSI数据采集及去噪单元，用于采集CSI数据和去噪处理；所述无线信道模型单元，用于搭建基本的无线信道模型；所述误差干扰消除单元，用于去除频率偏移，不相关物体干扰以及电子噪声，获得标准CSI数据；所述信号角度估计单元，用于提取动态路径角度信息；所述目标运动轨迹追踪模型单元，用于关联目标运动和CSI数据变化，获得多对收发设备条件下目标位置的超定方程；所述目标追踪修正单元，用于目标运动分割和实例修正。
进一步，所述CSI数据采集及去噪单元，包括：CSI数据采集模块和去噪模块；所述无线信道模型单元，包括：无线信道模型搭建模块；所述误差干扰消除单元，包括：频率偏移消除模块和干扰抑制模块；所述信号角度估计单元，包括：MUSIC算法模块和动态角度估计模块；所述目标运动轨迹追踪模型单元，包括：追踪模型模块和误差分量消除模块；所述目标追踪修正单元，包括：目标运动分割模块和运动实例修正模块。
进一步，所述CSI数据采集模块，用于采集感知区域内的包含手势动作信息、参考信息的CSI数据，并区分开属于不同链路的CSI数据；所述去噪模块，用于采集CSI数据的幅度和相位去噪处理；所述频率偏移消除模块，用于利用参考天线消除各时刻各RF链路上的相位偏移；所述干扰抑制模块，用于静态物体反射信号以及与手部无关的动态信号，电子噪声产生的干扰；所述MUSIC算法模块，用于去除由WiFi收发设备之间的包检测延迟、采样频率偏移引起的相位偏移；所述动态角度估计模块，用于估计直传路径、反射路径的信号离开角；所述追踪模型模块，基于信号角度信息，用于关联目标运动和信号路径长度变化、信号衰减分量变化；利用多对收发设备，构建一组超定方程组，用于最终的目标运动轨迹估计；所述误差分量消除模块，用于去除由时钟误差引入的误差分量；所述目标运动分割模块，通过比较手势运动长度波动和经验阈值来进行手写轨迹分割，用于避免过长的手写轨迹导致信号离开角估计的过度差异；所述运动实例修正模块，将阻力型抓握压力传感器整合到跟踪目标中，用于完成手势书写连词的分割工作。
与现有技术相比本发明具有以下优点：
本发明通过CSI商一定程度上的去除了CSI原始数据的频率偏移等误差部分。采用基于CSI相位数据完成信号传播路径长度变化估计距离而非常用三边定位质心算法对距离估计。本发明无需多普勒速度估计利用MUSIC算法完成信号角度估计。本发明构建目标追踪物理模型，并使用新颖的动态信号到达角估计、频率偏移分量去除方法，相比于传统模式识别方法无需经历繁重的训练过程，从根本上解决了以往基于无线信号的目标定位与追踪精度不足的问题，极大的增强了基于WiFi信号的目标定位技术的实用性。
附图说明
通过结合附图对本发明公开示例性实施方式进行更详细的描述，本发明公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明公开示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本发明一种基于商用WiFi设备的目标运动轨迹追踪方法的示意性流程图。
图2是根据本发明的一种基于商用WiFi设备的目标运动轨迹追踪装置的示意性方框图。
图3是根据本发明的一种基于商用WiFi设备的目标运动轨迹追踪方法中一对收发设备的应用场景示意图。
图4是根据本发明的一种基于商用WiFi设备的目标运动轨迹追踪方法中的应用场景示意图。
图5是本发明一种基于商用WiFi设备的目标运动轨迹追踪方法中的室内、非视距、室外环境部署示意图。
具体实施方式
本发明的目的在于提出一种基于商用WiFi设备的目标运动轨迹追踪方法及装置，提出二维平面下的高细粒度的人机交互目标追踪模型，从而绕开模式识别中繁重的训练步骤，从根本上解决了以往基于无线信号的目标定位与追踪精度不足的问题，极大的增强了基于WiFi信号的目标追踪技术的实用性。
以下结合附图详细描述本发明实施例的技术方案。
实施例1
一种基于商用WiFi设备的目标运动轨迹追踪方法，如图1是根据本发明方法流程示意图；
步骤1，CSI数据采集及去噪；采用三台WiFi发射设备，一台WiFi接收设备，以及一台中央服务器，将WiFi接收设备上的天线连接手写工具，作为追踪目标，以不固定的摆放方式，采集包含目标运动和参考信息的CSI数据；由WiFi网卡提取出的CSI不仅包含无线信道在通带的频率响应，还包含发射接收机对基带信号处理过程中引入的各种系统噪声，然后将所有AP(接入点)采集到的信道状态信息发送至中央服务器进行处理；对CSI数据中包含的发射接收机对基带信号处理过程中引入的各种系统噪声进行平滑去噪处理。
步骤2，设计天线阵列，搭建无线信道模型；基于三台接收设备均配备了三根全向天线，并采用线性阵列的摆放方式，借助信号离开角度变量设计转向矩阵，结合各路径上信号衰减矩阵，搭建理想无线信道模型；基于收发设备之间存在异步的时钟误差，实际的CSI采集中包含了频率偏移的误差分量，由于该误差在实验采集环境中远大于目标运动造成的CSI数据变化，不可随意忽略，因此在理想模型的基础上完成实际无线信道模型搭建。为后续估计信号角度信息、搭建目标追踪模型建立了基本的模型环境。
步骤3，误差干扰消除；基于接收设备上除轨迹追踪目标天线外的两根静止参考天线阵列，消除由于收发设备之间时钟不同步引起的相位偏移；具体基于每对相邻数据包采集的CSI数据的信号衰减因数包含的误差分量差相同，采用做差的方式消除这一误差分量；基于理想状态下的标准CSI相位数据在复平面上表示为一系列同心圆，消除频率偏移后的CSI数据还包含由环境中的不相关移动物体(如用户的肢体摆动)干扰。基于这些干扰通常是间歇性的，且频率远远高于目标运动频率采用Savitzky-Golay滤波器抑制干扰。
步骤4，基于天线阵列的无线信道模型，完成路径信号角度估计；基于各台发射设备的线性天线阵列，搭建链路的无线信道模型，采用MUSIC算法估计直传路径以及反射路径的信号离开角；
由于WiFi收发设备之间存在包检测延迟、采样频率偏移引起的相位偏移，因此在估计信号角度之前需进行校正，具体为通过线性拟合的方式CSI相位中确定相位偏移的分量并消除。
步骤5，构建目标运动轨迹追踪模型；基于天线线性阵列特性以及信号离开角估计进行路径长度变化估计；建立目标运动(单位时间内的方向向量)引起的信号路径长度变化和采集的CSI数据关联模型；基于单对链路下CSI相位获得信号衰减数据，路径角度数据，获得二维平面内目标运动轨迹向量的未定方程；联立多条链路，完成超定方程并求解目标各时刻下的二维坐标以及完整轨迹。
步骤6，目标追踪修正：由于上述的方法实现均基于书写过程中信号角度变化极小，可以视为常量，而过长的书写轨迹可能导致信号离开角的过度差异，因此提出了一种自动运动分割机制，手势运动分割，通过设置经验阈值，通过比较手势轨迹长度波动和经验阈值来进行分割；手势运动实例检测，具体将阻力型抓握压力传感器整合到跟踪目标中，完成手势书写连词的分割工作。
实施例2
实施例1详细介绍了本发明的一种基于商用WiFi设备的目标运动轨迹追踪方法，下面介绍本发明对应的一种基于商用WiFi设备的目标运动轨迹追踪装置。
图2是根据本发明一种基于商用WiFi设备的目标运动轨迹追踪装置的示意性方框图。
参照图2，所述基于商用WiFi设备的目标运动轨迹追踪装置包括：CSI数据采集及去噪单元21、无线信道建模单元22、误差干扰消除单元23、信号角度估计单元24、目标运动轨迹追踪模型单元25、目标追踪修正单元26。
CSI数据采集及去噪单元21，用于采集CSI数据和去噪处理，包括：CSI数据采集模块211、CSI去噪模块212；CSI数据采集模块211用于采集感知区域内的包含目标运动轨迹信息、参考信息的CSI数据，包含三台发射设备和一台中央服务器，改造接收设备上的天线作为手写工具，即追踪目标，以此采集各链路下的信道状态信息。CSI去噪模块212用于采集CSI数据的幅度和相位去噪处理。由WiFi网卡提取出的CSI不仅包含无线信道在通带的频率响应，还包含发射接收机对基带信号处理过程中引入的各种系统噪声，因此分别对CSI幅度和相位信息进行平滑去噪处理。
无线信道建模单元22，用于针对本装置的设备特点搭建无线信道模型；
误差干扰消除单元23，用于去除频率偏移，不相关物体干扰以及电子噪声，获得标准CSI数据；所述误差干扰消除单元23包括：频率偏移消除模块231、干扰抑制模块232。频率偏移消除模块231用于消除由于收发设备之间时钟不同步引起的相位偏移，获得更标准的CSI相位数据。干扰抑制模块232用于抑制环境中与书写不相关的动作(如用户的肢体摆动)、电子噪声等引起的干扰。
信号角度估计单元24，用于提取动态路径角度信息；所述信号角度估计单元24包括：MUSIC算法模块241和动态角度估计模块242。MUSIC算法模块241用于去除由WiFi收发设备之间的包检测延迟、采样频率偏移引起的相位偏移；将无线信道模型整合运用成适用MUSIC算法的形式，以达到构建谱函数求解转向矩阵的目标。动态角度估计模块242用于估计直传路径、反射路径的信号离开角。
目标轨迹追踪模型单元25，用于关联目标轨迹运动和CSI数据变化，获得多条链路下目标运动轨迹的超定方程组，求解目标位置以及运动轨迹；其中，所述目标轨迹追踪模型单元25包括：追踪模型模块251和误差分量消除模块252。追踪模型模块251根据信号角度信息，用于关联目标运动和信道状态信息数据变化；利用多对收发设备，构建一组超定方程组，用于最终的目标运动轨迹估计。误差分量消除模块252基于多个数据包，用于消除由设备、环境等引入的难以避免的误差干扰分量。
目标追踪修正单元26，用于目标运动分割和运动实例修正。所述目标追踪修正单元26包括：目标运动分割模块261和运动实例修正模块262。目标运动分割模块261，基于比较目标运动长度波动和经验阈值，用于分割过长的轨迹。运动实例修正模块262将阻力型抓握压力传感器整合到跟踪目标中，用于完成手势书写连词的分割工作；基于环境特性，将适合的滤波器应用于追踪轨迹曲线，用于获得更精细美观的目标追踪轨迹。
实施例3
本实施例是根据本发明一种基于商用WiFi设备的目标运动轨迹追踪方法中的一对收发设备应用场景示意图，如图3所示。
参考图3，以一对收发设备为参考，建立目标运动单位方向向量与CSI数据变化联系模型。以参考阵列方向为X轴，其法向向量为Y轴，建立笛卡尔坐标系。设手写工具移动向量为其中Δx，Δy为工具在坐标系下X轴和Y轴的距离变化；发射设备在追踪天线上估计的第l条路径的离开角为θ1，则该路径上的单位方向向量为/>则第l条路径的长度变化可表示为：
有关目标运动引入的位移矩阵可以用一个对角矩阵D进行表示，该矩阵的对角元素为
以此可以将相邻数据包之间的信道状态与目标运动轨迹进行关联：
其中分别为两个相邻数据包采集的CSI，A为无线信道模型中建立的转向矩阵，F为无线信道模型中建立的各条路径的衰减因子，/>分别为两时刻下由频率偏移引起的相位偏移误差。
参考图3，对于各个时刻的目标，本装置主要考虑两种信号传播路径：直传路径和反射路径；该图中简要绘制了目标两个时刻的位置，分别以实线和虚线表示了两个时刻下信号的传播路径，信号传播方向分别表示为
由此，两个时刻下直传路径和反射路径的的复衰减分量分别表示为：
T1时刻下：直传路径：反射路径：/>
T2时刻下直传路径：
T2时刻下反射路径：
并且基于上式复衰减分量的表示，可以消除由时钟偏差引入的误差分量(v2-v1)，具体操作如下：
图4是根据本发明的一个实施例的一种基于商用WiFi设备的目标运动轨迹追踪方法中的应用场景示意图。
参照图4，环境内摆放三台发射设备、一台中央服务器；以接收机上的天线作为追踪目标，并经过改造用作手写工具。环境中的每个AP都会采集相关链路下的CSI数据，并发送给中央服务器进行处理。
我们将设备部署在一个5m×5m的房间里，用目标设备追踪了97条轨迹，整理数据并分析，参照图5(a)室内环境部署误差结果可以看出，与以往的研究SpotFi相对比，本发明能够达到误差中位数0.88厘米，使用商用WiFi实现了毫米级的运动跟踪。
综上所述，本发明使用主动式定位追踪模式，相比于现有技术在室内环境中仅能够达到分米级精度，本发明在5m*5m的室内环境中能够达到毫米级精度，本发明不需要收发设备位置的先验知识，完成的追踪轨迹估计是相对与采样第一时刻的，无关目标在室内的具体位置。
本发明基于信号传播路径长度变化，建立目标轨迹增量和CSI相位数据的联系；继而基于三对链路信号角度估计，构建超定方程组求解目标相对位置坐标，完成追踪轨迹估计；而现有方法常应用多普勒频移估计目标运动速度，并基于未知点定位，确定目标各采样时刻下的位置坐标，最后连接各活动点位置得到追踪轨迹图形。
此外，根据本发明的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (10)

1.一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：包括以下步骤：
步骤1，CSI数据采集及去噪；
步骤2，设计天线阵列，搭建无线信道模型；
步骤3，误差干扰消除；
步骤4，基于天线阵列的无线信道模型，完成路径信号角度估计；
步骤5，构建目标运动轨迹追踪模型；
步骤6，目标追踪修正。
2.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述步骤1，CSI数据采集及去噪的具体方法是：采用三台WiFi发射设备，一台WiFi接收设备，将接收设备上的天线作为追踪目标，以不固定的摆放方式，采集包含目标运动和参考信息的CSI数据；然后将所有AP采集到的信道状态信息发送至中央服务器进行处理；对CSI数据中包含的发射接收机对基带信号处理过程中引入的各种系统噪声进行平滑去噪处理。
3.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述步骤2设计天线阵列，搭建无线信道模型的具体方法是：基于三台接收设备均配备了三根全向天线，并采用线性阵列的摆放方式，借助信号离开角度变量设计转向矩阵，结合各路径上信号衰减矩阵，搭建理想无线信道模型；基于收发设备之间存在异步的时钟误差，搭建实际无线信道模型。
4.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述步骤3误差干扰消除的具体方法是：基于接收设备上除轨迹追踪目标天线外的两根静止参考天线阵列，消除由于收发设备之间时钟不同步引起的相位偏移；具体基于每对相邻数据包采集的CSI数据的信号衰减因数包含的误差分量差相同，采用做差的方式消除误差分量；消除由环境中不相关物体引起的反射信号和电子噪声引起的干扰。
5.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述步骤4基于天线阵列的无线信道模型，完成路径信号角度估计的具体方法是：基于各台发射设备的线性天线阵列，搭建链路的无线信道模型，采用MUSIC算法估计直传路径以及反射路径的信号离开角；在计算角度之前，完成飞行时间的校正，消除由包检测偏移和采样频率偏移引起的相位偏移。
6.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述步骤5构建目标运动轨迹追踪模型的具体方法是：基于天线线性阵列特性以及信号离开角估计进行路径长度变化估计；
建立目标运动引起的信号路径长度变化和采集的CSI数据关联模型；
基于单对链路下CSI相位获得信号衰减数据，路径角度数据，获得二维平面内目标运动轨迹向量的未定方程；联立多条链路，完成超定方程并求解目标各时刻下的二维坐标以及完整轨迹。
7.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述步骤6目标追踪修正的具体方法是：手势运动分割，通过设置经验阈值，通过比较手势轨迹长度波动和经验阈值来进行分割；
手势运动实例检测，具体将阻力型抓握压力传感器整合到跟踪目标中，完成手势书写连词的分割工作。
8.一种根据权利要求1所述的基于商用WiFi设备的目标运动轨迹追踪方法的装置，其特征在于：包括CSI数据采集及去噪单元、无线信道模型单元、误差干扰消除单元、信号角度估计单元、目标运动轨迹追踪模型单元和目标追踪修正单元；
所述CSI数据采集及去噪单元，用于采集CSI数据和去噪处理；所述无线信道模型单元，用于搭建基本的无线信道模型；所述误差干扰消除单元，用于去除频率偏移，不相关物体干扰以及电子噪声，获得标准CSI数据；所述信号角度估计单元，用于提取动态路径角度信息；所述目标运动轨迹追踪模型单元，用于关联目标运动和CSI数据变化，获得多对收发设备条件下目标位置的超定方程；所述目标追踪修正单元，用于目标运动分割和实例修正。
9.根据权利要求8所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述CSI数据采集及去噪单元，包括：CSI数据采集模块和去噪模块；所述无线信道模型单元，包括：无线信道模型搭建模块；所述误差干扰消除单元，包括：频率偏移消除模块和干扰抑制模块；所述信号角度估计单元，包括：MUSIC算法模块和动态角度估计模块；所述目标运动轨迹追踪模型单元，包括：追踪模型模块和误差分量消除模块；所述目标追踪修正单元，包括：目标运动分割模块和运动实例修正模块。
10.根据权利要求1所述的一种基于商用WiFi设备的目标运动轨迹追踪方法，其特征在于：所述CSI数据采集模块，用于采集感知区域内的包含手势动作信息、参考信息的CSI数据，并区分开属于不同链路的CSI数据；所述去噪模块，用于采集CSI数据的幅度和相位去噪处理；所述频率偏移消除模块，用于利用参考天线消除各时刻各RF链路上的相位偏移；所述干扰抑制模块，用于静态物体反射信号以及与手部无关的动态信号，电子噪声产生的干扰；所述MUSIC算法模块，用于去除由WiFi收发设备之间的包检测延迟、采样频率偏移引起的相位偏移；所述动态角度估计模块，用于估计直传路径、反射路径的信号离开角；所述追踪模型模块，基于信号角度信息，用于关联目标运动和信号路径长度变化、信号衰减分量变化；利用多对收发设备，构建一组超定方程组，用于最终的目标运动轨迹估计；所述误差分量消除模块，用于去除由时钟误差引入的误差分量；所述目标运动分割模块，通过比较手势运动长度波动和经验阈值来进行手写轨迹分割，用于避免过长的手写轨迹导致信号离开角估计的过度差异；所述运动实例修正模块，将阻力型抓握压力传感器整合到跟踪目标中，用于完成手势书写连词的分割工作。
CN202310278475.6A 2023-03-21 2023-03-21 一种基于商用WiFi设备的目标运动轨迹追踪方法及装置 Pending CN116939501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310278475.6A CN116939501A (zh) 2023-03-21 2023-03-21 一种基于商用WiFi设备的目标运动轨迹追踪方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310278475.6A CN116939501A (zh) 2023-03-21 2023-03-21 一种基于商用WiFi设备的目标运动轨迹追踪方法及装置

Publications (1)

Publication Number Publication Date
CN116939501A true CN116939501A (zh) 2023-10-24

Family

ID=88383311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310278475.6A Pending CN116939501A (zh) 2023-03-21 2023-03-21 一种基于商用WiFi设备的目标运动轨迹追踪方法及装置

Country Status (1)

Country Link
CN (1) CN116939501A (zh)

Similar Documents

Publication Publication Date Title
Mao et al. Rnn-based room scale hand motion tracking
CN109275095B (zh) 一种基于蓝牙的室内定位系统、定位设备和定位方法
CN100549920C (zh) 用于声定位系统的声强健同步信令
CN110741385B (zh) 手势识别的方法和设备、定位追踪的方法和设备
CN1664609B (zh) 提高定位估计的精度的系统和方法
CN111182459A (zh) 一种基于信道状态信息室内无线定位方法、无线通信系统
CN106604394A (zh) 一种基于csi的判定室内人体运动速度模型
CN110475221A (zh) 一种基于信道状态信息的人员动作识别和位置估计方法
AU2010304863A1 (en) Improvements in or relating to tracking radio signal sources
CN111601253B (zh) 无源被动智能跟踪定位方法、系统、存储介质、跟踪定位终端
CN110543842A (zh) 一种基于Wi-Fi信号的目标运动识别方法及系统
Yang et al. Temporal-frequency attention-based human activity recognition using commercial WiFi devices
Bhattacherjee et al. Experimental study of outdoor UAV localization and tracking using passive RF sensing
Pan et al. Dynamic hand gesture detection and recognition with WiFi signal based on 1d-CNN
Yang et al. Kalman filter based localization and tracking estimation for HIMR RFID systems
Zeng et al. NLOS identification and mitigation based on CIR with particle filter
Vashist et al. KF-Loc: A Kalman filter and machine learning integrated localization system using consumer-grade millimeter-wave hardware
Guo et al. Towards Low-Cost Passive Motion Tracking with One Pair of Commodity Wi-Fi Devices
CN116939501A (zh) 一种基于商用WiFi设备的目标运动轨迹追踪方法及装置
Bulugu Gesture recognition system based on cross-domain CSI extracted from Wi-Fi devices combined with the 3D CNN
Cheng et al. Localization in inconsistent wifi environments
US20200393560A1 (en) Video object processing
CN112180377B (zh) 一种非接触式的人机交互定位方法、追踪方法、终端以及可读存储介质
Liu et al. Acoustic-based 2-D target tracking with constrained intelligent edge device
CN111103980B (zh) 一种基于fmcw的vr环境交互系统及方法

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