TWI541735B - 應用小波轉換於電波訊號強度變化之人數監控系統及方法 - Google Patents
應用小波轉換於電波訊號強度變化之人數監控系統及方法 Download PDFInfo
- Publication number
- TWI541735B TWI541735B TW104121222A TW104121222A TWI541735B TW I541735 B TWI541735 B TW I541735B TW 104121222 A TW104121222 A TW 104121222A TW 104121222 A TW104121222 A TW 104121222A TW I541735 B TWI541735 B TW I541735B
- Authority
- TW
- Taiwan
- Prior art keywords
- wireless network
- rssi
- signal strength
- wavelet
- people
- Prior art date
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Description
本發明係關於一種應用小波轉換於電波訊號強度變化之人數監控系統及方法,特別是指一種應用小波轉換分析無線網路訊號因人員移動干擾造成其強度變化之人數流動計算系統及方法。
按,空間人員移動偵測是現代保全設備的基礎,空間人數估計是許多公共設施維護安全採取必要措施的重要依據,空間管理需做好規劃,例如限制人員數目以保障公眾安全、依據人數來開啟或關閉照明及冷氣等耗電設備以節約能源,這些管理工作必須依據空間人數流動狀況做最妥適的安排,而自動化程度越高則管理的績效就會越大,因此空間人數流動的自動化計算技術開發便顯得非常重要。
近年來,因為環保概念盛行對於能源應用必須更加珍惜,如何依據人數流動來自動控管空間中的照明、冷氣設備也變得非常重要。因此,空間人數流動的自動化計算一直是許多科技開發團隊的應用標的。目前在這方面的技術有機械式的閘道控制器、需要人員配帶特殊設備如RFID
標籤、光學導向的影像處理技術。其中,機械式的閘道控制器並不是在所有場所都能建置且其效率也不高。人員配帶特殊設備則需參與者的自動配合才能進行,對於保全偵測不可行,而且設備所費不貲。而光學導向的技術則依賴如紅外線設備所攝取的數位相片,之後使用影像處理技術分析相片內容並做推論。光學導向技術不需人員主動配合,因此具有應用的便利性,但是此技術需要特定的攝影機設備,而且影像必須在一定的光學環境之下才能進行分析。
近日,另一種不需人員主動配合具有便利性的人數流動或人員移動偵測技術是使用無線網路環境。眾所皆知電波強度在受到含有70%水分的人體干擾時會產生變動,此外,現代空間大多已建有無線網路環境,因此若能以電波所接收訊號強度指標(Received Signal Strength Indicator,RSSI)為基礎,試著去建立人數流動與所接收訊號強度指標(RSSI)變化之間的模式,則可依據此模式去做後續的自動人數流動計算,由於電波在空間中採用多途徑(multi-path)方式傳遞,因此即使空間中沒有任何的人員流動或物體的移動,所接收訊號強度指標(RSSI)也不是完全靜止不變的,它會隨著時間進行小範圍的波動變化。一旦有人員流動,尤其是穿越過發射器與接收器之間的視線(line of sight)時,對於接收器所收到的RSSI會產生較強烈的干擾。依據穿越人數的不同,干擾程度也不一樣。
例如中華民國專利第M380668號「被動式訊號干擾模組和無線電波之監控系統」即公開揭示了關於無線電波的監控方法,不但可以有效地干擾電波訊號的傳遞,並且可以減低無線電波對人體所造成的影響。然而,上述專利並無提到利用無線電波訊號強弱計算人數流動之核心技術。
是以,如何研發出利用電波所接收訊號強度指標做為人體移動造成干擾之參考值,並反推計算人數流動之變化,便成為相關廠商以及相關研發人員所共同努力的目標,也必定成為未來趨勢的一項課題。
本創作之目的係為了改善習用人數監控系統所存在之缺點,乃積極著手進行開發,經過不斷地試驗及努力,終於開發出本發明。
為了達到上述目的,本創作係採取以下之技術手段予以達成,其中,本創作之應用小波轉換於電波訊號強度變化之人數監控系統,包括:一發射器,用以持續發射一無線網路封包;一接收器,用以持續接收該無線網路封包;以及一訊號處理器,係與該接收器電訊連接;其中,該接收器將複數個該無線網路封包傳送至該訊號處理器,該訊號處理器利用小波轉換處理及分析該些無線網路封包並產生一分析結果,該訊號處理器根據該分析結果計算人數流動。
在本創作較佳實施例中,該訊號處理器包括:一屬性萃取單元;以及一人數流動計算單元,與該屬性萃取單元電訊連接。
在本創作較佳實施例中,該屬性萃取單元計算該些無線網路封包的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜,以及該人數流動計算單元根據該些無線網路封包的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜計算人數流動。
在本創作較佳實施例中,該小波頻譜的計算係使用不同解析度(頻率)的小波對該些無線網路封包的所接收訊號強度指標(RSSI)序列做
轉換,並計算各解析度(頻率)下該些無線網路封包的所接收訊號強度指標(RSSI)序列的瞬間振幅。
在本創作較佳實施例中,該發射器為一802.11(wifi)發射器或一802.15(Zigbee)發射器。
此外,本創作還包括一種預定空間中偵測電波訊號強度變化之人數監控方法,至少包括以下步驟:(a)提供一發射器、一接收器以及一訊號處理器,該發射器用以發射無線網路封包,該接收器用以接收無線網路封包,該訊號處理器係與該接收器電訊連接;(b)持續發射一無線網路封包;(c)持續接收該無線網路封包;(d)傳送複數個該無線網路封包至該訊號處理器;(e)利用小波轉換處理及分析該些無線網路封包產生一分析結果;以及(f)根據該分析結果計算人數流動。
在本創作較佳實施例中,該步驟(e)處理及分析該些無線網路封包係計算該些無線網路封包的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜。
在本創作較佳實施例中,該小波頻譜的計算係使用不同解析度或頻率的小波對該些無線網路封包的所接收訊號強度指標(RSSI)序列做轉換,並計算各解析度或頻率下該些無線網路封包的所接收訊號強度指標(RSSI)序列的瞬間振幅。
在本創作較佳實施例中,該步驟(f)計算人數流動係根據一人數流動計算模式計算人數流動,該人數流動計算模式係根據該分析結果、一人數流動變化量以及一演算手段所提出,該人數流動變化量係該預定空間不同之人數流動所對應所接收訊號強度指標(RSSI)序列,該演算
手段包括貝氏分類器、邏輯式迴歸、類神經網路、支持向量機至少其中之一。
1‧‧‧發射器
2‧‧‧接收器
3‧‧‧訊號處理器
31‧‧‧屬性萃取單元
32‧‧‧人數流動計算單元
4‧‧‧無線網路封包
5‧‧‧分析結果
步驟(a)~步驟(f)
圖1為本創作應用小波轉換於電波訊號強度變化之人數監控系統一實施例之系統示意圖。
圖2為本創作應用小波轉換於電波訊號強度變化之人數監控系統一實施例之墨西哥帽母小波示意圖。
圖3為本創作應用小波轉換於電波訊號強度變化之人數監控方法一實施例之流程圖。
為達成上述目的及功效,本創作所採用之技術手段及構造,茲繪圖就本創作較佳實施例詳加說明其特徵與功能如下,俾利完全了解,但須注意的是,該等內容不構成本發明的限定。
請同時參閱圖1所示,其為本創作應用小波轉換於電波訊號強度變化之人數監控系統一實施例之系統示意圖。應用小波轉換於電波訊號強度變化之人數監控系統包括:一發射器1、一接收器2以及一訊號處理器3。
該發射器1用以發射一無線網路封包4,其係設置於一人員流動時必經之空間之一側,例如走道、通道出入口等,但不限於此。該接
收器2用以接收該無線網路封包4,其係設置於該人員流動時必經之空間之另一側。該發射器1以及該接收器2之間相距一適當距離,該適當距離可供人員流動。值得一提的是,該發射器1以及該接收器2並不需要正對面安裝,也可以斜對面安裝,只要人員流動時會干擾到該無線網路封包4之傳輸視線(line of sight)即可。於本創作中,該發射器1及該接收器2為一802.11(wifi)裝置或一802.15(Zigbee)裝置,藉以取代習用較為昂貴的機械式的閘道控制器、光學導向設備如紅外線設備等。
該訊號處理器3係與該接收器2電訊連接,用以接收及分析傳送自該接收器2之無線網路封包4。該訊號處理器3包括:一屬性萃取單元31以及一人數流動計算單元32,該人數流動計算單元32與該屬性萃取單元31電訊連接。
藉由上述之結構、組成設計,茲就本創作之使用及作動情形其說明如下:該發射器1持續發射一無線網路封包4,該接收器2持續接收該無線網路封包4並傳送置該訊號處理器3。該訊號處理器3利用屬性萃取單元31根據所接收電波訊號強度指標(RSSI)做該無線網路封包4序列的處理以及分析。在接收複數個該無線網路封包後,該屬性萃取單元31計算該些無線網路封包4的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜,其中,該小波頻譜的計算係使用不同解析度或頻率的小波對該些無線網路封包4的所接收訊號強度指標(RSSI)序列做轉換,並計算各解析度或頻率下該些無線網路封包4的所接收訊號強度指標(RSSI)序列瞬間振幅。以及合併所有解析度或頻率與瞬間振幅並轉換成該人數流動計算單元32所需格式之一分析結果5,再將該分析結果5傳送至該人數流動計算單元
32,該分析結果5包括:該些無線網路封包4的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜。
該人數流動計算單元32根據該分析結果5計算人數流動。由於不同空間及無線傳輸系統設置之位置可能會影響到所接收訊號強度指標(RSSI)對應之人數流動變化量,該人數流動計算單元32結合事先收集好的一預定空間不同之所接收訊號強度指標(RSSI)所對應之人數流動變化量、該分析結果5以及一演算手段,提出一人數流動計算模式,其中,該演算手段至少包括貝氏分類器、邏輯式迴歸、類神經網路、支持向量機。
該人數流動計算模式完成後,該人數流動計算單元32即可將臨場所收集之分析結果5代入該人數流動計算模式計算出人數流動量。
請同時參閱圖2所示,其為本創作應用小波轉換於電波訊號強度變化之人數監控系統一實施例之墨西哥帽母小波示意圖。於本實施例中,應用墨西哥帽(Mexican hat)母小波(mother wavelet)為例說明,但並不限於此,其他的母小波函數也可以適用本創作。
墨西哥帽母小波係為高斯函數的二階微分,其函數公式可以為方程式(1)所示:
其中,ψ(t)為墨西哥帽母小波函數。
當該接收器2每隔固定時距δt接收一RSSI的時間序列x 1,x 2,...,x N 後並傳送至該訊號處理器3,該屬性萃取單元31可計算出小波轉換序列如方程式(2)所示:
其中,s為解析度(scale),m為各時間點,W m (s)為各時間點的振幅。
在變動解析度s情境下,可以得到原始RSSI序列在不同解析度及各時間點m的振幅|W m (s)|,也就是包含時間-頻率-振幅的波動特徵(m,f,|W m (f)|),其中頻率f可由解析度s計算出來,以墨西哥帽小波為例,頻率f大約為1/(4s)。
根據此時間-頻率-振幅的波動特徵,可以針對時間及頻率來彙整振幅以萃取屬性做自動人數計算之用。譬如說可把時間領域切割成M個不重疊的區域:1 m m 1,m 1<m m 2,...,m M-1<m N。頻率領域也可切割成F個不重疊的區域:f 0 f f 1,f 1<f f 2,...,f F-1<f f F 。之後,彙整在第i個時間區域、第j個頻率區域的振幅如方程式(3)所示:
因此共取得MF個小波頻譜資料,再輔以RSSI序列的平均數(μ)、標準差(σ),可得到該屬性萃取單元31的輸出值(μ,σ,A 11,A 12,...,A 1F ,A 21,...,A M1,A M2,...,A MF ),並輸入到人數流動計算單元32以提出人數流動計算模式或是計算人數流動。
本創作之另一目的在於提供一種預定空間中偵測電波訊號強度變化之人數監控方法,可以利用常見的無線網路設備於預定空間中計算人數流動,達到人數監控之效果。
請同時參閱圖3所示,其為本創作預定空間中偵測電波訊號強度變化之人數監控方法流程圖。應用小波轉換於電波訊號強度變化之人數監控系統及方法至少包括以下步驟:
步驟(a):提供一發射器1、一接收器2以及一訊號處理器3,該發射器1用以發射無線網路封包,該接收器2用以接收無線網路封包,該訊號處理器3係與該接收器2電訊連接。
步驟(b):持續發射一無線網路封包4。該發射器1持續發射一無線網路封包4。
步驟(c):持續接收該無線網路封包4。該接收器2持續接收該無線網路封包4。
步驟(d):傳送複數個該無線網路封包4至該訊號處理器3。該接收器2傳送複數個該無線網路封包4至該訊號處理器3。
步驟(e):利用小波轉換處理及分析該些無線網路封包4產生一分析結果5。其中,該訊號處理器3利用屬性萃取單元31根據所接收訊號強度指標(RSSI)做該些無線網路封包4的處理以及分析。該屬性萃取單元31計算該些無線網路封包4的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜,其中,該小波頻譜的計算係使用不同解析度或頻率的小波對該所接收訊號強度指標(RSSI)序列做轉換,並計算各解析度或頻率下該所接收訊號強度指標(RSSI)序列瞬間振幅。以及合併所有解析度或頻率與瞬間振幅並轉換成該人數流動計算單元32所需格式之一分析結果5,再將該分析結果5傳送至該人數流動計算單元32,該分析結果5包括:該些無線網路封包4的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜。
步驟(f):根據該分析結果5計算人數流動。該人數流動計算單元32係根據一人數流動計算模式計算人數流動,該人數流動計算模式
係根據該分析結果5、一人數流動變化量以及一演算手段所提出,該人數流動變化量係該預定空間不同之人數流動所對應所接收訊號強度指標(RSSI)序列,該演算手段包括貝氏分類器、邏輯式迴歸、類神經網路、支持向量機至少其中之一。
綜合上述,本創作提出之應用小波轉換於電波訊號強度變化之人數監控系統及方法與習用技術相較,確實具有下列優點:
(1)本創作之應用小波轉換於電波訊號強度變化之人數監控系統及方法,利用常見之無線網路裝置(例如Wifi、Zigbee)取代習用較為昂貴的機械式的閘道控制器、光學導向設備如紅外線設備,降低成本。
(2)本創作之應用小波轉換於電波訊號強度變化之人數監控系統及方法,利用小波轉換改善習用只利用平均值與標準差計算所接收訊號強度指標(RSSI)時資訊的不足。
(3)本創作之應用小波轉換於電波訊號強度變化之人數監控系統及方法,利用小波轉換具有堅強的理論基礎,使用多重解析(multi-resolution)模式來分析非穩態的時間序列,且能做到時間-頻率-振幅(time-frequency-amplitude)的三維度分析,比起傅立葉分析的頻率-振幅(frequency-amplitude)二維度分析更精緻。
以上所述僅為本發明較佳的實施例,並非因此限制本發明的實施方式及保護範圍,對於本領域技術人員而言,應當能夠意識到凡運用本發明說明書及圖示內容所作出的等同替換和顯而易見的變化所得到的方案,均應當包含在本發明的保護範圍內。
1‧‧‧發射器
2‧‧‧接收器
3‧‧‧訊號處理器
31‧‧‧屬性萃取單元
32‧‧‧人數流動計算單元
4‧‧‧無線網路封包
5‧‧‧分析結果
Claims (4)
- 一種應用小波轉換於電波訊號強度變化之人數監控系統,包括:一發射器,用以持續發射一無線網路封包;一接收器,用以持續接收該無線網路封包;以及一訊號處理器,係與該接收器電訊連接,該訊號處理器包括一屬性萃取單元以及一人數流動計算單元,該人數流動計算單元與該屬性萃取單元電訊連接;其中,該接收器將複數個該無線網路封包傳送至該訊號處理器,該屬性萃取單元利用小波轉換處理及分析該些無線網路封包並產生一分析結果,該分析結果包括:該些無線網路封包的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜,其中該小波頻譜的計算係使用不同解析度(頻率)的小波對該些無線網路封包的所接收訊號強度指標(RSSI)序列做轉換,並計算各解析度(頻率)下該些無線網路封包的所接收訊號強度指標(RSSI)序列瞬間振幅,合併所有解析度或頻率與瞬間振幅並轉換成該人數流動計算單元所需格式產生該分析結果,該人數流動計算單元根據該分析結果計算人數流動。
- 如申請專利範圍第1項所述之應用小波轉換於電波訊號強度變化之人數監控系統,其中,該發射器為一802.11(wifi)發射器或一802.15(Zigbee)發射器。
- 一種應用小波轉換於電波訊號強度變化之人數監控方法,至少包括以下步驟: (a)提供一發射器、一接收器以及一訊號處理器,該發射器用以發射無線網路封包,該接收器用以接收無線網路封包,該訊號處理器係與該接收器電訊連接;(b)持續發射一無線網路封包;(c)持續接收該無線網路封包;(d)傳送複數個該無線網路封包至該訊號處理器;(e)利用小波轉換處理及分析該些無線網路封包產生一分析結果,該分析結果包括:該些無線網路封包的所接收訊號強度指標(RSSI)序列平均值、標準差以及小波頻譜,其中該小波頻譜的計算係使用不同解析度或頻率的小波對該些無線網路封包的所接收訊號強度指標(RSSI)序列做轉換,並計算各解析度或頻率下該些無線網路封包的所接收訊號強度指標(RSSI)序列瞬間振幅,合併所有解析度或頻率與瞬間振幅並轉換成該人數流動計算單元所需格式產生該分析結果;以及(f)根據該分析結果計算人數流動。
- 如申請專利範圍第3項所述之應用小波轉換於電波訊號強度變化之人數監控方法,其中,該步驟(f)計算人數流動係根據一人數流動計算模式計算人數流動,該人數流動計算模式係根據該分析結果、一人數流動變化量以及一演算手段所提出,該人數流動變化量係該預定空間不同之人數流動所對應所接收訊號強度指標(RSSI),該演算手段包括貝氏分類器、邏輯式迴歸、類神經網路、支持向量機至少其中之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104121222A TWI541735B (zh) | 2015-06-30 | 2015-06-30 | 應用小波轉換於電波訊號強度變化之人數監控系統及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104121222A TWI541735B (zh) | 2015-06-30 | 2015-06-30 | 應用小波轉換於電波訊號強度變化之人數監控系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI541735B true TWI541735B (zh) | 2016-07-11 |
TW201701197A TW201701197A (zh) | 2017-01-01 |
Family
ID=56997092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104121222A TWI541735B (zh) | 2015-06-30 | 2015-06-30 | 應用小波轉換於電波訊號強度變化之人數監控系統及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI541735B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI620133B (zh) * | 2017-06-26 | 2018-04-01 | 樹德科技大學 | 空間人流計算系統及其方法 |
-
2015
- 2015-06-30 TW TW104121222A patent/TWI541735B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TW201701197A (zh) | 2017-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zou et al. | Deepsense: Device-free human activity recognition via autoencoder long-term recurrent convolutional network | |
Zou et al. | Towards occupant activity driven smart buildings via WiFi-enabled IoT devices and deep learning | |
Ouyang et al. | Clusterfl: a similarity-aware federated learning system for human activity recognition | |
Xu et al. | WiStep: Device-free step counting with WiFi signals | |
CN103458413A (zh) | 基于无线信号特征的入侵检测方法 | |
Nakamura et al. | Wi-Fi-based fall detection using spectrogram image of channel state information | |
CN109951866B (zh) | 一种基于隐马尔科夫模型的人流量监测方法 | |
CN113341392A (zh) | 一种基于多站雷达微多普勒运动测向的人体行为分类方法 | |
Xia et al. | WiFi-based indoor passive fall detection for medical Internet of Things | |
Rahaman et al. | Tracking human motion direction with commodity wireless networks | |
TWI541735B (zh) | 應用小波轉換於電波訊號強度變化之人數監控系統及方法 | |
Fang et al. | Cross-scene passive human activity recognition using commodity WiFi | |
Tulay et al. | Road state inference via channel state information | |
Liu et al. | WiCrew: Gait-based crew identification for cruise ships using commodity WiFi | |
Wu et al. | Are you in the line? RSSI-based queue detection in crowds | |
Yang et al. | An identity perception algorithm based on WiFi channel state information | |
Chen et al. | Witrack: Human-to-human mobility relationship tracking in indoor environments based on spatio-temporal wireless signal strength | |
Bernaola et al. | Ensemble learning for seated people counting using WiFi signals: Performance study and transferability assessment | |
TWI545509B (zh) | 預定空間中偵測電波訊號強度變化之人數監控系統及方法 | |
Xu et al. | Attention-based walking gait and direction recognition in Wi-Fi networks | |
Zhou et al. | Large scale indoor occupant tracking using distributed acoustic sensing and machine learning | |
Duan et al. | Wibfall: A device-free fall detection model for bathroom | |
CN114757237A (zh) | 一种基于WiFi信号的速度无关步态识别方法 | |
Raja et al. | Detecting spying activities from the sky via deep learning | |
Turetta et al. | Towards Deep Learning-based Occupancy Detection Via WiFi Sensing in Unconstrained Environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |