JP7843908B2

JP7843908B2 - 無線ネットワークＷｉＦｉ（登録商標）センシング方法、コンピュータ機器及びコンピュータ可読記憶媒体

Info

Publication number: JP7843908B2
Application number: JP2025504579A
Authority: JP
Inventors: 高静
Original assignee: ZTE Corp
Current assignee: ZTE Corp
Priority date: 2022-07-25
Filing date: 2023-05-26
Publication date: 2026-04-10
Anticipated expiration: 2043-05-26
Also published as: JP2025530021A; EP4546671A4; EP4546671A1; WO2024021824A1; CN117498967A

Description

本願は、出願番号が２０２２１０８７５９７５．３、出願日が２０２２年０７月２５日である中国特許出願に基づいて提出され、該中国特許出願の優先権を主張し、該中国特許出願の全内容は、ここで参考として本願に組み込まれている。

本願は、通信の技術分野に関し、特に、無線ネットワークＷｉＦｉ（登録商標）センシング方法、コンピュータ機器及びコンピュータ可読記憶媒体に関する。

無線ネットワークｗｉｆｉに基づく監視センシングは、いずれも受信信号強度インジケーター（ＲＳＳＩ：ＲｅｃｅｉｖｅｄＳｉｇｎａｌＳｔｒｅｎｇｔｈＩｎｄｉｃａｔｏｒ）によって行われ、実際のシナリオでは、無線ネットワークＷｉＦｉ信号が屋内環境で伝搬する際、ＷｉＦｉ信号は複数の障害物の影響を受け、屈折や送信を含む複数のパスに沿って受信機に到達し、異なるパスにおける信号は異なる程度の減衰や遅延などの歪み現象が発生し、受信側が受信する信号は、異なるパスの歪み信号の重ね合わせ結果であり、即ち、いわゆるマルチパス効果である。マルチパス効果の影響により、屋内で受信されたＲＳＳＩの安定性が悪く、屋内の静的シナリオでも大きく変動するため、屋内マルチパス効果はＲＳＳＩのセンシング能力を大幅に制限し、いくつかの粗粒度の屋内測位などのセンシングタスクを実現するためにのみ使用できる。

本願は、無線ネットワークＷｉＦｉセンシング方法、システム及びコンピュータ機器を提供する。

第１態様では、本願は、パスによって伝送されたＷｉＦｉ信号を取得するステップと、前記ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出するステップと、前記シナリオ状態に応じて前記ＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成するステップと、を含む無線ネットワークＷｉＦｉセンシング方法を提供する。

第２態様では、本願は、パスによって伝送されたＷｉＦｉ信号を取得するように構成される信号取得モジュールと、前記ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出するように構成される検出モジュールと、前記シナリオ状態に応じて前記ＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成するように構成される信号処理モジュールと、を含む無線ネットワークＷｉＦｉセンシングシステムを提供する。

第３態様では、本願は、メモリと、プロセッサと、を含み、前記メモリには、コンピュータ可読命令が記憶されており、前記コンピュータ可読命令が１つ又は複数の前記プロセッサにより実行されると、上記第１態様のいずれか１項に記載の方法のステップを１つ又は複数の前記プロセッサに実行させるコンピュータ機器を提供する。

第４態様では、本願は、プロセッサによって読み書き可能であり、コンピュータ命令が記憶されており、前記コンピュータ可読命令が１つ又は複数のプロセッサにより実行されると、上記第１態様のいずれか１項に記載の方法のステップを１つ又は複数のプロセッサに実行させるコンピュータ可読記憶媒体をさらに提供する。

本願の一実施例に係る無線ネットワークＷｉＦｉセンシングシステムの構造模式図である。本願の一実施例に係る無線ネットワークＷｉＦｉセンシング方法のフローチャートである。図２におけるステップＳ３００のサブステップのフローチャートである。図３におけるステップＳ３１０のサブステップのフローチャートである。図４におけるステップＳ３１１のサブステップのフローチャートである。図４におけるステップＳ３１３のサブステップのフローチャートである。図３におけるステップＳ３２０のサブステップのフローチャートである。本願の別の実施例に係る無線ネットワークＷｉＦｉセンシング方法の全体的なフローチャートである。本願の実施例に係るコンピュータ機器の構造模式図である。

本願の目的、技術案及び利点をより明確にするために、以下、図面及び実施例を参照して本願をさらに詳細に説明する。ここで説明される具体的な実施例は、本願を解釈するためにのみ使用され、本願を限定するものではないことを理解すべきである。

なお、フローチャートには論理的な順序が示されているが、場合によっては、示される又は説明されるステップをフローチャートにおける順序とは異なる順序で実行してもよい。明細書、特許請求の範囲及び上記図面における用語「第１」、「第２」などは、類似するオブジェクトを区別することに用いられ、必ずしも特定の順序又は順番を説明するわけではない。

本願の実施例は、無線ネットワークＷｉＦｉセンシング方法、システム及びコンピュータ機器を提供し、本願の実施例は、まず、パスによって伝送されたＷｉＦｉ信号を取得することで、後続でパスによって伝送されたＷｉＦｉ信号を処理することに有利であり、ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出することで、異なる時刻におけるエリア内の動的な変化を得ることができ、シナリオ状態に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成することで、ＷｉＦｉセンシングの多次元と高精度を実現し、スペクトルマップは空間変化と信号変化との間のマッピング関係を反映することができ、スペクトルマップに応じてＷｉＦｉ信号を認識することによって、粗粒度及び細粒度のセンシングタスクを実現することができる。つまり、本願の実施例の技術案は、リアルタイムで検出されたシナリオ状態によってマルチパスのＷｉＦｉ信号を処理してスペクトルマップを得ることで、ＷｉＦｉセンシングの多次元と高精度を実現し、それによって粗粒度及び細粒度のセンシングタスクを実現することができる。関連技術に比べて、マルチパス効果によるＷｉＦｉセンシング能力の低下の問題を軽減することができ、多次元と高精度のＷｉＦｉセンシングを実現し、粗粒度のセンシングタスクを実現することができるだけでなく、細粒度のセンシングタスクを実現することもできる。

以下、図面を参照して本願の実施例をさらに説明する。

図１に参照されるように、図１は、本願の実施例に係る無線ネットワークＷｉＦｉセンシングシステムの構造模式図を示す。図１の例では、無線ネットワークＷｉＦｉセンシングシステムは、まず、信号取得モジュールによって、パスによって伝送されたＷｉＦｉ信号を取得することで、後続でパスによって伝送されたＷｉＦｉ信号を処理することに有利であり、検出モジュールによって、ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出することで、異なる時刻におけるエリア内の動的な変化を得ることができ、信号処理モジュールを使用して、シナリオ状態に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成し、スペクトルマップに応じてＷｉＦｉ信号を認識することで、マルチパス効果によるＷｉＦｉセンシング能力の低下の問題を軽減することができ、多次元と高精度のＷｉＦｉセンシングを実現し、粗粒度のセンシングタスクを実現することができるだけでなく、細粒度のセンシングタスクを実現することもできることを含む。

一実施例では、信号取得モジュールは、検出モジュールに接続され、検出モジュールは、信号処理モジュールに接続される。信号取得モジュールは、ＷｉＦｉチップを使用して信号を収集することができ、ベースバンドの信号収集をサポートできればよく、ここで詳細説明を省略する。無線ネットワークＷｉＦｉセンシングシステムは、送受信機のＷｉＦｉチップに適用でき、チャネル状態情報（ＣＳＩ：ＣｈａｎｎｅｌＳｔａｔｅＩｎｆｏｒｍａｔｉｏｎ）又はパッシブＷｉＦｉレーダー（ＰＷＲ：ＰａｓｓｉｖｅＷｉＦｉＲａｄａｒ）情報を収集するすべてのアイテムを取得できることをサポートする。

一実施例では、マルチパスによって伝送されたＷｉＦｉ信号であってもよいし、シングルパスによって伝送されたＷｉＦｉ信号であってもよく、伝送されたＷｉＦｉ信号については、該無線ネットワークＷｉＦｉセンシングシステムは、直交周波数分割多重を使用して伝送された無線信号を処理することに適用され、時分割多重を使用して伝送された無線信号を処理することにも適用され、変調復調技術を使用して伝送されたほかの無線信号を処理することにも適用され、ここで詳細説明を省略する。

本願の実施例で説明される機器及び適用シナリオは、本願の実施例の技術案をより明確に説明するためのものであり、本願の実施例に係る技術案を限定するものではなく、当業者がわかるように、新しい適用シナリオの出現に伴い、本願の実施例に係る技術案は、類似する技術的問題に対して同様に適用できる。

当業者が理解できるように、図１に示す無線ネットワークＷｉＦｉセンシングシステムは本願の実施例を限定するものではなく、図示より多い又はより少ないモジュールを含むか、又はいくつかの部材を組み合わせるか、又は異なる部材配置を有するようにしてもよい。

上記無線ネットワークＷｉＦｉセンシングシステムに基づき、以下、本願の無線ネットワークＷｉＦｉセンシング方法の各実施例を説明する。

図２に示すように、図２は、本願の一実施例に係る無線ネットワークＷｉＦｉセンシング方法のフローチャートを示し、該無線ネットワークＷｉＦｉセンシング方法は、無線ネットワークＷｉＦｉセンシングシステムに適用される。該無線ネットワークＷｉＦｉセンシング方法は、ステップＳ１００、ステップＳ２００及びステップＳ３００を含むが、これらに限定されない。

ステップＳ１００：パスによって伝送されたＷｉＦｉ信号を取得する。

一実施例では、マルチパスによって伝送されたＷｉＦｉ信号であってもよいし、シングルパスによって伝送されたＷｉＦｉ信号であってもよく、複数の利用可能なアンテナがある場合、複数のアンテナはマルチパスＷｉＦｉ信号伝送を行い、周波数分割多重又は時分割多重技術によれば、ＷｉＦｉ信号が各パスの伝送において互いに干渉しないことは可能であり、チャネルの利用率を向上させる。ハードウェアのフロントエンドによって、パスによって伝送されたＷｉＦｉ信号を収集するか、又はＲＦ機器のフロントエンドによって、パスによって伝送されたＷｉＦｉレーダー信号を収集してＷｉＦｉ信号とすることで、パスによって伝送されたＷｉＦｉ信号を取得し、取得されたパスによって伝送されたＷｉＦｉ信号に応じて後続の信号処理を行うことに有利である。

ステップＳ２００：ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出する。

一実施例では、実際の信号伝搬環境では、無線信号は複数の障害物の影響を受け、屈折や送信を含む複数のパスに沿って受信機に到達し、異なるパスにおける信号は異なる程度の減衰や遅延などの歪みが発生するため、ＷｉＦｉ信号は距離制限と精度制限を有し、ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出することで、異なる時刻におけるエリア内の動的な変化状況であるシナリオ状態を得ることができ、後続でシナリオ状態に応じて信号処理を行うことで距離制限と精度制限を軽減することに有利である。

ステップＳ３００：シナリオ状態に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する。

一実施例では、シナリオ状態は、動き認識、ジェスチャー認識又は転倒検出シナリオであってもよいし、物体とアンテナとの相対距離及び速度の変化であってもよく、上記異なるシナリオ状態に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成することで、ＷｉＦｉセンシングの多次元と高精度を実現し、スペクトルマップは空間変化と信号変化との間のマッピング関係を反映することができ、スペクトルマップに応じてＷｉＦｉ信号を認識することによって、粗粒度及び細粒度のセンシングタスクを実現することができる。

一実施例では、ＣＳＩは、ＷｉＦｉ通信の拡張であり、ＣＳＩは、送受信間の通信チャネルを推定することに用いられ、同時に、振幅及び位相の情報を提供し、適切な無線ハードウェアによって位相の角度と振幅の差を向上させることができる。ＰＷＲ情報は、レーダーの原理に基づいており、ＰＷＲ情報は、アクセスポイントからの送信信号と監視エリアからの送信信号とを関連付け、また、ＷｉＦｉレーダー測位は比較的大まかである。従って、ＣＳＩは視線構成においてより優れた性能を有し、大量のデータをオフラインで処理でき、一方、ＰＷＲ情報は、ＷｉＦｉアクセスポイントとレーダー受信機の空間構成においてより優れた性能を有し、リアルタイム性を有する。両者を組み合わせ、異なる検出シナリオに応じて適切なＣＳＩ及びＰＷＲ情報のうちの一方を選択して信号処理を行うことによって、ＷｉＦｉセンシングのリアルタイム性と精度を向上させることができる。

一実施例では、ＷｉＦｉ信号はマルチパスのＷｉＦｉ信号であり、図３に示すように、シナリオ状態に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成するステップは、ステップＳ３１０及びステップＳ３２０を含むが、これらに限定されない。

ステップＳ３１０：シナリオ状態が視線構成である場合、チャネル状態情報に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する。

一実施例では、視線構成は、シナリオにおいて出現する人間の動き認識、ジェスチャー認識又は転倒検出などを含み、送受信間の物理的分離のため、感知範囲と感知精度に制限がある。従って、チャネル状態情報を用いてＷｉＦｉ信号に対して信号処理を行うことで、より広い検出範囲とより高い検出精度を実現することができ、大量のデータを処理することもできる。

一実施例では、チャネル状態情報は、周波数分割多重の各サブキャリアのチャネル情報を計算することができ、時分割多重の各サブキャリアのチャネル情報を計算することもでき、以下、直交周波数分割多重を例として、チャネル状態情報を用いてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する処理プロセスを説明する。

図４に示すように、シナリオ状態が視線構成である場合、チャネル状態情報に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成するステップは、以下のステップを含むが、これらに限定されない。

ステップＳ３１１：各パスのＷｉＦｉ信号に対してノイズ低減処理を行い、複数のノイズ低減信号を得る。

一実施例では、ハードウェアのフロントエンドによって収集されたデータ信号は、通常、ノイズ付きのものであり、まず、合計５６個の直交周波数分割多重サブキャリアのピークを均一にサンプリングし、次に、サンプリング後の各パスのＷｉＦｉ信号に対してノイズ低減処理を行い、複数のノイズ低減信号を得て、それによって検出のために高信号対ノイズ比の基本信号を提供することができる。

一実施例では、マルチアンテナの場合、図５に示すように、各パスのＷｉＦｉ信号に対してノイズ低減処理を行い、複数のノイズ低減信号を得るステップは、以下のステップを含むが、これらに限定されない。

ステップＳ３１１１：各パスの前記ＷｉＦｉ信号に応じて、チャネル状態情報信号を得る。

一実施例では、直交周波数分割多重（ＯＦＤＭ：ＯｒｔｈｏｇｏｎａｌＦｒｅｑｕｅｎｃｙＤｉｖｉｓｉｏｎＭｕｌｔｉｐｌｅｘｉｎｇ）は様々なＷｉＦｉ規格に広く使用されており、ＯＦＤＭシステムにおける帯域幅は、複数の重なり合った直交サブキャリア間で共有される。ＯＦＤＭ信号を以下の式に従って定義する。

一実施例では、行列シンボルシーケンスは、直交位相偏移変調（ＱＰＳＫ：ＱｕａｄｒａｔｕｒｅＰｈａｓｅＳｈｉｆｔＫｅｙｉｎｇ）であってもよいし、直交振幅変調（ＱＡＭ：ＱｕａｄｒａｔｕｒｅＡｍｐｌｉｔｕｄｅＭｏｄｕｌａｔｉｏｎ）であってもよい。ｊは、実際の状況に応じて調整可能な係数である。

一実施例では、受信信号は、マルチパスの反射及び直接信号を含み、反射信号中の遅延や位相偏移を含む信号は、移動する人間と静止する物体からのものであり、受信信号を以下の式に従って定義する。

一実施例では、受信信号は複数のパスのＷｉＦｉ信号を含み、各パスのＷｉＦｉ信号の重ね合わせに応じてチャネル状態情報信号であるＣＳＩ信号を得て、後続で信号のノイズ低減処理を行うことに有利である。

ステップＳ３１１２：２つの隣接するアンテナのチャネル状態情報信号の比を計算し、複数のノイズ低減信号を得る。

一実施例では、ＷｉＦｉ無線アクセスポイントの電力及びデータレートの変化のため、ステップＳ３１１１で得られたチャネル状態信号は高ノイズのものである。２つの複素数の除算法則によれば、ＣＳＩ信号の比は依然として複素数値であり、その結果、振幅はそのＣＳＩ信号の振幅の商であり、位相は隣接する２つのＣＳＩ信号の位相差である。振幅については、パルスノイズは１つのスケーリングノイズであり、同一の受信機における同一レベルでの各アンテナの電力を増幅し、即ち、電力スケーリングは時間とともに変化するが、同一の受信機における異なるアンテナ間で一致し、２つのアンテナの振幅係数を計算することによってノイズを除去することができる。位相については、受信機における異なるアンテナは同じクロックを共有するため、位相ずれ（例えば、キャリア）は周波数オフセット及びサンプリング周波数オフセットと同じであり、位相周波数オフセットはランダムで時変的であるが、それらは２つの同じアンテナであるため、２つのアンテナの位相差を計算することで効果的に相殺させることができる。従って、２つの隣接するアンテナのチャネル状態情報信号の比を計算し、複数のノイズ低減信号を得ることで、ＣＳＩ信号の振幅と時変位相ずれにおける大部分のノイズを除去し、検出のために高信号対ノイズ比の基本信号を提供することができ、また、多入力多出力（ＭＩＭＯ：ＭｕｌｔｉＩｎｐｕｔＭｕｌｔｉＯｕｐｕｔ）技術に応じて複数のＣＳＩ信号を得ることで、より広い検出範囲とより高い検出精度を実現することができる。

一実施例では、キャリア周波数ｆ_ｃにおけるＣＳＩ信号は、Ｈ（ｆ_ｃ，ｔ）で表され、同一の受信機における２つの隣接するアンテナのチャネル状態情報の比を計算し、ノイズ低減信号を得て、以下の式で表す。

上記式を展開して以下のように表す。

上記式を最適化して以下の式を得る。

ステップＳ３１２：各ノイズ低減信号に対して時変相関性分析を行い、複数の主成分信号を得る。

一実施例では、ハードウェア機器のフロントエンドによって収集されるＷｉＦｉ信号のデータ量が大きいため、得られたチャネル状態情報信号のデータ量も非常に大きい。例えば、同一の送受信機は、１つの送信アンテナ、及び３つの受信アンテナからなり、電力は１ｋＨｚであり、１秒あたり１×３×１ｋ＝３ｋ個の複素数ＣＳＩ信号がある。より多くの送受信機を含んでもよく、各送受信機は多くのアンテナを有してもよく、従って、得られたノイズ低減信号のデータ量は大きく、次元削減によって全体的な計算の複雑さを低減させる必要がある。主成分分析（ＰＣＡ：ＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔｓＡｎａｌｙｓｉｓ）アルゴリズムを用いて各ノイズ低減信号のＣＳＩ信号フロー間の時変相関性を認識し、次に、これらの時変相関性を組み合わせて、ＣＳＩ信号測定変化を表す成分を抽出し、ほかの次元削減アルゴリズムを用いてもよく、大きなデータ量から主成分を抽出できればよく、ここで詳細説明を省略する。主成分の数の選択は、分類性能と計算の複雑さとのバランスを考慮する必要があり、例えば、２つ又は３つの主成分から信号の分散の７０％又は６０％を捕捉し、該分散の割合に応じて、ＣＳＩ信号の６つの主要部分を抽出し、１番目の主要部分に静止物体からの反射によるノイズが含まれると、１番目の主要部分を破棄し、５つの主要部分のみを使用する。上記アルゴリズムは、大量のデータからＣＳＩ信号の主成分信号を得ることができ、分類性能を確保することができるだけでなく、計算の複雑さを低減させることもでき、主成分信号に応じて後続の処理を行うことに有利である。

ステップＳ３１３：複数の主成分信号に応じて、スペクトルマップを生成する。

図６に示すように、複数の主成分信号に応じて、スペクトルマップを生成するステップは、以下のステップを含むが、これらに限定されない。

ステップＳ３１３１：各主成分信号を同じ長さの複数の信号セグメントに分割し、各信号セグメントに対してフーリエ変換を行い、各主成分信号に対応するスペクトログラムを得る。

一実施例では、ＣＳＩ信号は周囲環境に対して非常に敏感であり、人体のＲＦ反射が異なる動きを実行するときに異なる周波数を示すため、通常、背景をスキャンする較正プロセスが必要であり、本願の実施例は、短期フーリエ変換（ＳＴＦＴ：ｓｈｏｒｔ－ｔｅｒｍＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ）を使用して各主成分信号に対してスペクトログラム変換を行う。一実施例では、ＳＴＦＴはスライディングウィンドウを用いて主成分信号を同じ長さの複数の信号セグメントに分割し、次に、各セグメントにおけるサンプルに対して高速フーリエ変換（ＦＦＴ：ｆａｓｔＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ）を実行し、各主成分信号に対応するスペクトログラムを得る。ウェーブレット変換アルゴリズムを使用してスペクトログラム変換を行ってもよく、スペクトログラム変換が可能であればよく、ここで詳細説明を省略する。スペクトログラムにＦＦＴの時間、周波数及び振幅の３つの次元が含まれ、スペクトログラムを得ることで、後続でスペクトログラムに応じてスペクトルマップを算出することに有利である。

ＳＴＦＴアルゴリズムは、以下の式で表される。

ステップＳ３１３２：各スペクトログラムに対して算術計算処理を行い、スペクトルマップを生成する。

例えば、ステップＳ３１２で５つの主要部分が得られ、スペクトログラムは５つの主要部分から生成され、次に、スペクトログラムに対応する５つの主要部分に対して平均算術計算を行い、スペクトルマップを生成する。スペクトルマップは空間変化と信号変化との間のマッピング関係を反映することができ、それによってＷｉＦｉ信号をセンシング及び認識する。算術計算はさらに最大値又は最小値計算であってもよく、センシング精度を向上させることができればよい。

ステップＳ３２０、シナリオ状態が空間構成である場合、パッシブＷｉＦｉレーダー情報に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する。

一実施例では、チャネル状態情報は、周波数分割多重の各サブキャリアのチャネル情報を計算することができ、時分割多重の各サブキャリアのチャネル情報を計算することもでき、以下、直交周波数分割多重を例とし、パッシブＷｉＦｉレーダー情報を用いてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する処理プロセスを説明する。

一実施例では、ＰＷＲ情報は、通常、ＣＳＩ継続時間よりもはるかに長い信号を捕捉することで、十分な数のＷｉＦｉ信号を捕捉することを確保し、従って、ＰＷＲ情報はＷｉＦｉ信号全体を使用し、即ち、ＰＷＲ情報は各サブキャリアの信号を処理せず、ＯＦＤＭ全体を１つの信号としてみなし、ＰＷＲ情報は各サブキャリア内の情報にアクセスできない。空間構成は、送受信機とエリア内の物体との間の距離、又は物体の動作の大まかな計算を含み、従って、各サブキャリア内の情報に注目せず、ＰＷＲ情報を用いてＷｉＦｉ信号全体に対してリアルタイム信号処理を行い、スペクトルマップを生成する。スペクトルマップは、空間変化と全体的な信号変化との間のマッピング関係を反映することができ、ＷｉＦｉ信号のセンシング及び認識に有利である。

一実施例では、ＷｉＦｉ信号はマルチパスのＷｉＦｉレーダー信号であり、図７に示すように、シナリオ状態が空間構成である場合、パッシブＷｉＦｉレーダー情報に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成するステップは、以下のステップを含むが、これらに限定されない。

ステップＳ３２１：各パスのＷｉＦｉレーダー信号に対して曖昧度測度処理を行い、各測度信号を得る。

一実施例では、相互曖昧度関数（ＣＡＦ：Ｃｒｏｓｓ－ＡｍｂｉｇｕｉｔｙＦｕｎｃｔｉｏｎ）を使用して各パスのＷｉＦｉ信号に対して曖昧度測度処理を行い、各測度信号を得ることで、レーダーによって収集された信号を効果的に抽出でき、後続で測度信号を迅速に処理することに有利である。相互曖昧度関数は、複雑さの低い相互曖昧度関数であってもよく、ほかのバージョンの相互曖昧度関数を使用してもよく、距離とドップラー情報を効果的に抽出できればよく、ここで詳細説明を省略する。ＣＡＦは、パッシブレーダーの分野においてターゲット距離とドップラー情報を抽出するための効果的なツールであり、２つのチャネルが必要であり、監視チャネルは監視エリアから信号を収集し、参照チャネルは送信機から信号を直接測定する。

ステップＳ３２２：各測度信号に対して干渉信号除去処理を行い、各干渉除去信号を得る。

一実施例では、ＰＷＲ情報の主要な干渉源は、監視チャネルに直接入るほかのＷｉＦｉホットスポットの信号であり、即ち、直接干渉情報であり、該直接干渉情報は、運動するターゲットから反射される信号よりも高いエネルギーを有し、ＣＡＦ面のドップラーパルスを遮蔽することができる。改良されたＣＬＥＡＮアルゴリズムを使用して各測度信号に対して直接干渉信号除去処理を行い、干渉除去信号を得ることで、ターゲット信号の信号対ノイズ比の向上を実現することができる。改良されたＣＬＥＡＮアルゴリズムは、ＣＬＥＡＮ－ＰＳＦアルゴリズムであってもよいし、ＣＬＥＡＮ－ＳＣアルゴリズムであってもよく、改良されたＣＬＥＡＮアルゴリズムは、１つの類似する構造体をＣＡＦプロセスに共有し、参照チャネルのみから自己曖昧度面を発生させ、以下の式で表す。

ステップＳ３２３：各干渉除去信号に対してノイズ除去処理を行い、各ドップラーパルスを得る。

一実施例では、タイムスロット内の相関性により、ＣＬＥＡＮアルゴリズムの後に残留ノイズが存在し、ステップＳ３２２によって信号から干渉信号を除去した後、ＣＡＦ面のノイズがさらに低減される。一定誤警報確率（ＣＦＡＲ：ＣｏｎｓｔａｎｔＦａｌｓｅ－ＡｌａｒｍＲａｔｅ）を利用して干渉除去信号の背景ノイズ分布を推定し、それをＣＡＦ面に適用し、各ドップラーパルスを得る。ドップラーパルスを得ることで、後続でドップラーパルスに応じてスペクトルマップを生成することに有利である。

一定誤警報確率をＣＡＦ面に適用することは、以下の式で表される。

一実施例では、閾値よりも高い強いパルスは、人間の動きを表し、そうでなければ運動が発生していないと判定し、従って、人間の動きを測定することができる。

ステップＳ３２４：最大のドップラーパルスを選択してスペクトルマップを生成する。

一実施例では、ステップＳ３２３で複数のドップラーパルスを得て、ＣＡＦ面内の各ドップラーから最大のドップラーパルスを選択し、一連の測定結果と組み合わせて、スペクトルマップを生成する。スペクトルマップは、ＰＷＲ情報のドップラーグラムである。ドップラーグラムは、空間変化と全体的な信号変化との間のマッピング関係を反映することができ、それによってＷｉＦｉ信号をセンシング及び認識する。

図８に示すように、全体的なプロセスは、まず、パスによって伝送されたＷｉＦｉ信号を取得し、マルチパスのＷｉＦｉ信号であってもよく、シングルパスのＷｉＦｉ信号であってもよく、マルチパスＷｉＦｉ信号を例として、ＷｉＦｉ信号はハードウェアのフロントエンドによってマルチパスのＷｉＦｉ信号を取得するか、又はＲＦ機器のフロントエンドによってマルチパスのＷｉＦｉレーダー信号を取得することができ、検出されたシナリオ状態に応じて、シナリオ状態が視線構成である場合、例えば、ジェスチャー認識や転倒認識などを行い、チャネル状態情報を使用して、ハードウェアのフロントエンドによって取得されたマルチパスのＷｉＦｉ信号を処理し、まず、同一の送受信機の各アンテナのＣＳＩ信号を計算し、さらに、得られたＣＳＩ信号に応じて同一受信機の隣接する２つのアンテナのＣＳＩ信号の商を計算し、ノイズ低減信号を得て、次に、ＰＣＡアルゴリズムを使用してノイズ低減信号に対して相関性分析を行い、主成分を抽出し、次に、主成分信号の位相と振幅に応じて各主成分に対応するスペクトルマップを得て、続いて、各スペクトルマップの平均値を求め、最終的なスペクトルマップを生成することで、ＷｉＦｉ信号の変化を観察し、ＷｉＦｉ信号を認識し、それによって高精度のＷｉＦｉセンシングタスクを実現する。シナリオ状態が空間構成である場合、例えば、送受信機とエリア内の物体との間の距離計算、及び物体の動作の大まかな計算などを行い、パッシブＷｉＦｉレーダー情報を使用して、ＲＦ機器のフロントエンドによって取得されたマルチパスのＷｉＦｉレーダー信号を処理し、まず、曖昧度関数によって各測度信号を得て、測度信号面の干渉信号を除去し、干渉除去信号を得て、続いて、干渉除去信号に対してノイズ除去処理を行い、複数のドップラーパルスを得て、ドップラーパルスから最大値を選択してスペクトルマップを生成することで、ＷｉＦｉ信号の変化を観察し、ＷｉＦｉ信号を認識し、チャネル状態情報と組み合わせることで、多次元のＷｉＦｉセンシングタスクを実現することができる。シナリオ状態をリアルタイムで検出する上記ステップについて、異なる時刻におけるシナリオ状態に応じて、チャネル状態情報及びパッシブＷｉＦｉレーダー情報のうちの一方を選択してＷｉＦｉ信号を処理し、信号の変化状態を反映するスペクトルマップを生成し、異なるシナリオにおいてチャネル状態情報とパッシブＷｉＦｉレーダー情報を相互に適用して信号を処理することで、多次元と高精度のＷｉＦｉセンシングを実現することができる。

一実施例では、上記無線ネットワークＷｉＦｉセンシング方法は、転倒検出タスク、ジェスチャー認識及び動作検出などの細粒度のセンシングタスクに適用でき、距離検出などの粗粒度のタスクにも適用でき、適用範囲が広い。

図９に参照されるように、図９は、本願の実施例に係るコンピュータ機器９００を示す。該コンピュータ機器９００は、サーバ又は端末であってもよく、該コンピュータ機器９００の内部構造は、
プログラムを記憶するように構成されるメモリ９１０と、
メモリ９１０に記憶されているプログラムを実行するように構成され、メモリ９１０に記憶されているプログラムを実行すると、上記無線ネットワークＷｉＦｉセンシング方法を実行するように構成されるプロセッサ９２０と、を含むが、これらに限定されない。

プロセッサ９２０とメモリ９１０はバス又はほかの方式によって接続される。

メモリ９１０は、非一時的コンピュータ可読記憶媒体として、本願の任意の実施例に記載の無線ネットワークＷｉＦｉセンシング方法などの非一時的ソフトウェアプログラム及び非一時的コンピュータ実行可能プログラムを記憶するように構成されてもよい。プロセッサ９２０は、メモリ９１０に記憶されている非一時的ソフトウェアプログラム及び命令を実行することで、上記無線ネットワークＷｉＦｉセンシング方法を実現する。

メモリ９１０は、オペレーティングシステム、少なくとも１つの機能に必要なアプリケーションプログラムを記憶できるプログラム記憶領域と、上記無線ネットワークＷｉＦｉセンシング方法を記憶及び実行できるデータ記憶領域と、を含んでもよい。また、メモリ９１０は、高速ランダムアクセスメモリを含んでもよく、少なくとも１つのディスク記憶デバイス、フラッシュメモリデバイス、又はほかの非一時的ソリッドステートストレージデバイスなどの非一時的メモリをさらに含んでもよい。いくつかの実施形態では、メモリ９１０は、プロセッサ９２０に対して遠隔で設置されるメモリを含み、これらのリモートメモリはネットワークを介して該プロセッサ９２０に接続され得る。上記ネットワークの例は、インターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク及びこれらの組み合わせを含むが、これらに限定されない。

上記無線ネットワークＷｉＦｉセンシング方法の実現に必要な非一時的ソフトウェアプログラム及び命令はメモリ９１０に記憶されており、１つ又は複数のプロセッサ９２０により実行されると、本願の任意の実施例に係る無線ネットワークＷｉＦｉセンシング方法を実行する。

本願の実施例は、上記無線ネットワークＷｉＦｉセンシング方法を実行するためのコンピュータ実行可能命令が記憶されているコンピュータ可読記憶媒体をさらに提供する。

一実施例では、該記憶媒体には、コンピュータ実行可能命令が記憶されており、該コンピュータ実行可能命令が１つ又は複数の制御プロセッサ９２０により実行され、例えば、上記コンピュータ機器９００の１つのプロセッサ９２０により実行されると、本願の任意の実施例に係る無線ネットワークＷｉＦｉセンシング方法を上記１つ又は複数のプロセッサ９２０に実行させることができる。

本願の実施例は、まず、パスによって伝送されたＷｉＦｉ信号を取得することで、後続でパスによって伝送されたＷｉＦｉ信号を処理することに有利であり、ＷｉＦｉ信号のカバレッジエリアのシナリオ状態をリアルタイムで検出することで、異なる時刻におけるエリア内の動的な変化を得ることができ、シナリオ状態に応じてＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成することで、ＷｉＦｉセンシングの多次元と高精度を実現し、スペクトルマップは空間変化と信号変化との間のマッピング関係を反映することができ、スペクトルマップに応じてＷｉＦｉ信号を認識することによって、粗粒度及び細粒度のセンシングタスクを実現することができることを含む。つまり、本願の実施例の技術案は、リアルタイムで検出されたシナリオ状態によってマルチパスのＷｉＦｉ信号を処理してスペクトルマップを得ることで、ＷｉＦｉセンシングの多次元と高精度を実現し、それによって粗粒度及び細粒度のセンシングタスクを実現することができる。関連技術に比べて、マルチパス効果によるＷｉＦｉセンシング能力の低下の問題を軽減することができ、多次元と高精度のＷｉＦｉセンシングを実現し、粗粒度のセンシングタスクを実現することができるだけでなく、細粒度のセンシングタスクを実現することもできる。

以上説明された実施例は例示的なものに過ぎず、分離部材として説明されたユニットは物理的に分離しているものであってもよく、物理的に分離しているものでなくてもよく、即ち、１つの場所に位置してもよく、複数のネットワークユニットに分散してもよい。実際の必要に応じて一部又はすべてのモジュールを選択して本実施例の技術案の目的を実現することができる。

当業者が理解できるように、上記開示された方法のすべて又はいくつかのステップ、及びシステムは、ソフトウェア、ファームウェア、ハードウェア及びこれらの適切な組み合わせとして実施されてもよい。いくつかの物理コンポーネント又はすべての物理コンポーネントは、中央処理装置、デジタル信号プロセッサ又はマイクロプロセッサなどのプロセッサで実行されるソフトウェアとして実施されるか、又はハードウェアとして実施されるか、又は特定用途向け集積回路などの集積回路として実施されてもよい。このようなソフトウェアは、コンピュータ可読媒体に分散してもよく、コンピュータ可読媒体はコンピュータ記憶媒体（又は非一時的な媒体）及び通信媒体（又は一時的な媒体）を含んでもよい。当業者が周知するように、コンピュータ記憶媒体という用語は、情報（例えば、コンピュータ可読命令、データ構造、プログラムモジュール又はほかのデータ）を記憶するための任意の方法又は技術において実施される揮発性及び不揮発性、リムーバブル及び非リムーバブル媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ又はほかのメモリ技術、ＣＤ－ＲＯＭ、デジタル多目的ディスク（ＤＶＤ）又はほかの光ディスク記憶、磁気カセット、磁気テープ、磁気ディスク記憶又はほかの磁気記憶装置、又は所望の情報を記憶するために使用され、コンピュータによってアクセス可能な任意のほかの媒体を含むが、これらに限定されない。また、当業者が周知するように、通信媒体は、通常、コンピュータ可読命令、データ構造、プログラムモジュール、又はほかの伝送メカニズムなどの変調データ信号内のほかのデータを含み、任意の情報伝送媒体を含んでもよい。

Claims

無線ネットワークＷｉＦｉ（登録商標）センシング方法であって、
パスによって伝送されたＷｉＦｉ信号を取得するステップと、
前記ＷｉＦｉ信号のカバレッジエリアの異なる時刻におけるエリア内の動的な変化状況を含むシナリオ状態をリアルタイムで検出するステップと、
前記シナリオ状態に応じて前記ＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成するステップと、を含み、
前記シナリオ状態に応じて前記ＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する前記ステップは、
前記シナリオ状態が視線構成である場合、チャネル状態情報に応じて前記ＷｉＦｉ信号に対して信号処理を行い、前記スペクトルマップを生成するステップを含み、
前記ＷｉＦｉ信号はマルチパスのＷｉＦｉ信号であり、
前記シナリオ状態が視線構成である場合、チャネル状態情報に応じて前記ＷｉＦｉ信号に対して信号処理を行い、前記スペクトルマップを生成する前記ステップは、
各パスの前記ＷｉＦｉ信号に対してノイズ低減処理を行い、複数のノイズ低減信号を得るステップと、
各前記ノイズ低減信号に対して時変相関性分析を行い、複数の主成分信号を得るステップと、
複数の前記主成分信号に応じて、前記スペクトルマップを生成するステップと、を含む、
無線ネットワークＷｉＦｉセンシング方法。
マルチアンテナの場合、各パスの前記ＷｉＦｉ信号に対してノイズ低減処理を行い、複数のノイズ低減信号を得る前記ステップは、
各パスの前記ＷｉＦｉ信号に応じて、チャネル状態情報信号を得るステップと、
２つの隣接するアンテナの前記チャネル状態情報信号の比を計算し、複数の前記ノイズ低減信号を得るステップと、を含む請求項１に記載の無線ネットワークＷｉＦｉセンシング方法。
各前記ノイズ低減信号に対して時変相関性分析を行い、複数の主成分信号を得る前記ステップは、
主成分分析アルゴリズムを用いて各ノイズ低減信号のチャネル状態情報信号フロー間の時変相関性を認識するステップと、
前記時変相関性に基づいてチャネル状態情報信号測定変化を表す前記主成分信号を抽出するステップと、を含む請求項１に記載の無線ネットワークＷｉＦｉセンシング方法。
複数の前記主成分信号に応じて、前記スペクトルマップを生成する前記ステップは、
各前記主成分信号を同じ長さの複数の信号セグメントに分割し、各前記信号セグメントに対してフーリエ変換を行い、各前記主成分信号に対応するスペクトログラムを得るステップと、
各前記スペクトログラムに対して算術計算処理を行い、前記スペクトルマップを生成するステップと、を含む請求項１に記載の無線ネットワークＷｉＦｉセンシング方法。
前記シナリオ状態に応じて前記ＷｉＦｉ信号に対して信号処理を行い、スペクトルマップを生成する前記ステップは、
前記シナリオ状態が空間構成である場合、パッシブＷｉＦｉレーダー情報に応じて前記ＷｉＦｉ信号に対して信号処理を行い、前記スペクトルマップを生成するステップを含む請求項１に記載の無線ネットワークＷｉＦｉセンシング方法。
前記ＷｉＦｉ信号はマルチパスのＷｉＦｉレーダー信号であり、
前記シナリオ状態が空間構成である場合、パッシブＷｉＦｉレーダー情報に応じて前記ＷｉＦｉ信号に対して信号処理を行い、前記スペクトルマップを生成する前記ステップは、
各パスの前記ＷｉＦｉレーダー信号に対して曖昧度測度処理を行い、各測度信号を得るステップと、
各前記測度信号に対して干渉信号除去処理を行い、各干渉除去信号を得るステップと、
各前記干渉除去信号に対してノイズ除去処理を行い、各ドップラーパルスを得るステップと、
最大の前記ドップラーパルスを選択して前記スペクトルマップを生成するステップと、を含む請求項５に記載の無線ネットワークＷｉＦｉセンシング方法。
コンピュータ機器であって、メモリと、プロセッサと、を含み、前記メモリには、コンピュータ可読命令が記憶されており、前記コンピュータ可読命令が１つ又は複数の前記プロセッサにより実行されると、請求項１～６のいずれか１項に記載の無線ネットワークＷｉＦｉセンシング方法のステップを１つ又は複数の前記プロセッサに実行させるコンピュータ機器。
コンピュータ可読記憶媒体であって、プロセッサによって読み書き可能であり、コンピュータ可読命令が記憶されており、前記コンピュータ可読命令が１つ又は複数のプロセッサにより実行されると、請求項１～６のいずれか１項に記載の無線ネットワークＷｉＦｉセンシング方法のステップを１つ又は複数のプロセッサに実行させるコンピュータ可読記憶媒体。