基于WiFi信号测量的人数估计方法研究

摘要

随着社会的发展和科技的进步，在很多应用场景里，区域内人员数量是一种非常有用的信息，人数估计方法吸引了大量研究学者的研究兴趣。以往靠人工目测来获取人员数量信息的方法低效而且误差很大，因此近年来有大量新的人数估计方法被提出来，在这些方法中，基于WiFi的人数估计方法最具前景，它不存在视觉盲区，不受光照影响，无需用户携带任何特定设备，并且可以直接应用于现有WiFi基础设施上，部署成本低廉，适应性强，易于大规模推广。然而，现有的基于WiFi的人数估计方法估计准确度不够高，且只能对活动的人员进行估计，本文针对上述不足，重点研究基于WiFi的人数估计方法，主要贡献如下：
　　（1）给出了一种基于呼吸检测的静止目标检测方法。人体的呼吸过程伴随着胸腔的扩张和收缩活动，胸腔的这种微弱活动会导致信道状态信息的起伏波动，通过相位校准，异常值去除，低通滤波以及傅里叶变换等一系列处理，在信道状态信息的幅度和相位上提取检测这种起伏波动来达到呼吸检测的目的，从而实现静止目标检测。本方案的创新点在于：1）将呼吸检测应用于人数估计方法当中，实现了静止人员的检测；2）将信道状态信息的相位应用于呼吸检测，使得可用信息量大大增加，提高了呼吸检测的准确度及鲁棒性。实验表明本文的呼吸检测方法能够以极高的准确度检测到静止人员，并且所得到的呼吸频率估计值与实际呼吸频率之间的误差在3％以内。
　　（2）给出了一种新的基于信道状态信息的活动人数估计方法。通过实际的实验发现，不同活动人数条件下，信道状态信息波动的剧烈程度呈现明显的差异，大致随着活动人数的增加而加剧。为了描述不同活动人数条件下信道状态信息的波动情况，采用滑动窗口机制来计算信道状态信息的方差，将该方差作为信道状态信息的属性特征。在训练阶段采用支持向量机来学习不同活动人数条件下信道状态信息方差之间的差异，得到训练好的分类器，随后的监测阶段用该分类器进行人数估计。实验表明本文所给出的活动人数估计方法准确概率在90%以上，估计误差最大不超过1人。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1课题背景及研究意义

1.2研究现状及主要问题

1.3 WiFi技术概述

1.4本文研究内容及结构

第二章 方案整体概述

2.1 CSI与RSSI的分析比较

2.2方案总体架构

2.3 CSI数据采集

2.4测试环境

2.5本章小节

第三章 基于呼吸检测的静止人员检测方法

3.1呼吸检测方案架构

3.2数据预处理

3.3低通滤波

3.4呼吸活动检测及呼吸频率估计

3.5实验结果与分析

3.6本章小节

第四章 基于CSI的活动人数估计方法

4.1人数估计方案架构

4.2 CSI数据的属性特征提取

4.3支持向量机分类器

4.4实验结果与分析

4.5本章小节

第五章 总结与展望

5.1总结

5.2展望

参考文献

致谢

作者简介