基于无线数据处理技术的动作感知方法研究与实现

摘要

随着社会的发展和科学的进步，人们的家庭安全防护意识也在不断提高。其中，入侵检测、跌倒检测和睡眠监测是家庭安全防护的3个典型应用，在未来的智能家居中具有广阔的应用前景。目前，市场上出现了许多相关产品，如在入侵检测中，常见的有红外线、门磁和视频监控等;在跌倒检测中，常见的有佩戴式设备、手动触发式设备和视频监控等;在睡眠监测中，常见的有多导睡眠图(Polysomnography，PSG)、智能传感器、视频监控和智能手机等。然而，这些产品仍然存在一些不足，如容易受到环境因素的影响、容易侵犯人的隐私或需要穿戴一些传感器等。
　　信道状态信息(Channel State Information，CSI)是无线信号的信道状态，一定程度上刻画了多径传播，能够有效表征不同人物行为的特征差异，并且具有抗干扰、防隐私和非接触式感知等特点。为解决上述问题，本文利用CSI的相关特性，提出基于无线数据处理的动作感知方法，分别用于入侵检测、跌倒检测和睡眠监测。具体研究内容如下:
　　(1)提出了基于CSI的轻量级入侵检测算法。首先对采集的数据进行线性变换，消除CSI相位信息中的时钟偏差;再定义了两个数据特征的衡量标准，一个是短期效应量，用来检测当前有没有人在走动，一个是长期效应量，用来检测这个人是否在持续走动;然后结合两个衡量标准的结果，判别监控区域内是否有人在走动。实验结果表明，该算法可以快速地检测入侵行为。
　　(2)提出了基于CSI的跌倒检测快速识别算法。首先对CSI数据进行加权操作，来初步平滑原始数据中的噪声;再使用入侵检测中的短期效应量来分割加权后的数据，提取出入物的行为数据用于检测;然后对分割出来的行为数据进行特征提取并使用KNN(k-Nearest Neighbor，KNN)分类算法识别人物的跌倒行为。实验结果表明，该算法可以有效地识别跌倒行为。
　　(3)提出了基于CSI的无接触式睡眠监测算法。首先通过3组实验设备收集睡眠时的CSI数据;再使用Hampel滤波和ButterWorth低通滤波消除原始数据中的异常值和噪声;然后选择30个子载波中距离最近的一组子载波来显示人物的呼吸状态;最后通过各种睡姿对不同实验器材的影响程度来判断人物的睡眠姿态以及睡姿切换。实验结果表明，该算法可以有效地监测呼吸状态和睡姿切换。
　　根据上述3个算法，本文进一步实现家庭安全防护系统，该系统能够快速地识别和监测人物的入侵、跌倒和睡眠行为，并较好地克服了传统安防产品易于受环境因素干扰、侵犯隐私和需要佩戴传感器等缺点。

目录

摘要

第一章 绪论

1．1 选题背景与意义

1．2 国内外研究现状

1．3 论文的主要研究内容

1．4 论文组织结构与章节安排

第二章 相关理论与技术

2．1 802．11n通信协议

2．2 OFDM技术

2．3 MIMO技术

2．4 多径效应

2．5 信道状态信息

第三章 面向入侵检测的轻量级算法设计

3．1 引言

3．2 ES算法设计

3．2．1 数据处理

3．2．2 实时移动检测

3．3 算法描述

3．4 实验评估

3．4．1 实验部署

3．4．2 性能评估

3．5 本章小结

第四章 面向跌倒行为的快速识别算法设计

4．1 引言

4．2 算法设计

4．2．1 数据加权

4．2．2 动静分割

4．2．3 特征提取

4．2．4 行为分类

4．3 算法描述

4．4 实验评估

4．4．1 实验设置

4．4．2 性能评估与比较

4．5 本章小结

第五章 面向睡眠行为监测的算法设计

5．1 引言

5．2 算法设计

5．2．1 信号选择

5．2．2 呼吸检测

5．2．3 睡姿检测

5．3 算法描述

5．4 实验评估

5．4．1 睡眠呼吸的性能评估与比较

5．4．2 睡姿切换的性能评估与比较

5．5 本章小结

第六章 系统设计与实现

6．1 系统需求

6．2 系统设计

6．3 数据采集端

6．4 数据处理端

6．5 系统实现与功能测试

6．5．1 入侵检测测试

6．5．2 跌倒检测测试

6．5．3 睡眠监测测试

6．6 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

致谢

攻读学位期间发表的学术论文与参加的研究工作

声明