CN107968689B - 基于无线通信信号的感知识别方法及装置 - Google Patents
基于无线通信信号的感知识别方法及装置 Download PDFInfo
- Publication number
- CN107968689B CN107968689B CN201711277751.8A CN201711277751A CN107968689B CN 107968689 B CN107968689 B CN 107968689B CN 201711277751 A CN201711277751 A CN 201711277751A CN 107968689 B CN107968689 B CN 107968689B
- Authority
- CN
- China
- Prior art keywords
- channel state
- phase
- state information
- amplitude
- value
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
- H04B17/21—Monitoring; Testing of receivers for calibration; for correcting measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于无线通信信号的感知识别方法及装置。该感知识别方法,包括:从接收的无线通信信号中获取信道状态信息;从所述信道状态信息中提取信道状态特征值;根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。本发明提供的方案,能提高感知识别准确度,达到更好的识别效果。
Description
技术领域
本发明涉及通信及计算机技术领域,具体涉及一种基于无线通信信号的感知识别方法及装置。
背景技术
人机交互和智能识别是当前热门的研究话题。所谓人机交互,是指人通过手势、动作、语言等与计算机进行交流,可以应用于智能家居、体感游戏、唇语识别、生命体征检测等方面。所谓智能识别,是指利用计算机识别物体空间位置的变化,可以应用于安防***、仪器监控等方面。
在人机交互和智能识别技术中,都涉及到利用感知技术。目前存在的感知技术,主要包括基于传感设备和基于视觉的两类方式。其中,基于传感设备的方式,经常使用的传感器设备包括:加速度传感器、陀螺仪、气压传感器、无线射频识别等。这种方式的缺点是需要使用者穿戴传感器设备,且精确度不高。其中,基于视觉的方式,需要采用摄像头去采集图像或视频数据,用图像处理和计算机视觉的方法实现感知。这种方式的缺点是对光线敏感,并且可能会泄露隐私。
最近,基于WiFi设备的感知技术,也正成为一个全新的热门研究方向,虽然相关研究提到可以考虑利用RSSI(Received Signal Strength Indication,接收信号强度指示)进行感知识别,但感知识别的准确度不高,识别效果较差。
发明内容
有鉴于此,本发明的目的在于提出一种基于无线通信信号的感知识别方法及装置,能提高感知识别准确度,达到更好的识别效果。
根据本发明的一个方面,提供一种基于无线通信信号的感知识别方法,包括:
从接收的无线通信信号中获取信道状态信息;
从所述信道状态信息中提取信道状态特征值;
根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
优选的,所述无线通信信号包括无线路由器发射的WiFi信号或WAPI信号。
优选的,所述信道状态特征值包括幅度特征值和相位特征值。
优选的,所述从信道状态信息中提取信道状态特征值之前,包括:
对所述信道状态信息的幅度和相位进行信号预处理。
优选的,所述对信道状态信息的幅度和相位进行信号预处理,包括:
通过线性转化方法对所述信道状态信息进行相位校准;
通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理。
优选的,所述通过线性转化方法对所述信道状态信息进行相位校准之前,还包括:
通过低通滤波器对所述信道状态信息进行去噪处理。
优选的,所述根据所信道状态特征值输出与所述信道状态特征值映射的感知结果,包括:
将所述信道状态特征值输入预置分类器得到与所述信道状态特征值映射的分类标签;
根据所述分类标签输出感知结果。
根据本发明的另一个方面,提供一种基于无线通信信号的感知识别装置,包括:
信息获取模块,用于从接收的无线通信信号中获取信道状态信息;
特征提取模块,用于从所述信息获取模块获取的信道状态信息中提取信道状态特征值;
感知输出模块,用于根据所述特征提取模块提取的信道状态特征值输出与所述信道状态特征值映射的感知结果。
优选的,所述装置还包括:
信号预处理模块,用于对所述信息获取模块获取的信道状态信息的幅度和相位进行信号预处理;
所述特征提取模块从经过所述信号预处理后的信道状态信息中提取信道状态特征值。
优选的,所述感知输出模块包括:
分类子模块,用于将所述提取的信道状态特征值输入预置分类器,得到与所述信道状态特征值映射的分类标签;
输出子模块,用于根据所述分类子模块得到的分类标签输出感知结果。
可以发现,本发明实施例的技术方案,是从接收的无线通信信号中选择获取信道状态信息,再从所述信道状态信息中提取信道状态特征值,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。因为信道状态信息(Channel StateInformation,CSI)作为物理参数,更能反映人类或物体运动的特征,特别是反映出在无线通信信号的发射端和接收端之间的物理空间中所发生的人类或物体的运动,因此本发明实施例利用信道状态信息中提取得到的信道状态特征值来对应输出映射的感知结果,信道状态特征值不同则会输出不同的感知结果,从而实现通过感知信道状态信息的变化来感知人或物体的运动,可以提高感知识别准确度,也达到更好的识别效果,也更有利于实现人机交互或智能识别。
进一步的,本发明实施例中的无线通信信号可以是无线路由器发射的WiFi信号或WAPI信号,或者其他类型的无线通信信号。
进一步的,本发明实施例可以对接收的所述信道状态信息的幅度和相位进行信号预处理,这样可以滤除一些不相干的测量噪声和人类的一些其它活动干扰,从而减少各类噪声干扰,进一步提高感知识别准确度。
进一步的,本发明实施例可以将所述信道状态特征值输入预置分类器得到与所述信道状态特征值映射的分类标签,再根据所述分类标签输出感知结果,这样使得通过训练就可建立信道状态特征值与分类标签的对应模型,在有新的信道状态特征值输入时,即可做出相应分类,从而可以适应更多应用场景。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本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是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法的示意性流程图;
图2是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法的另一示意性流程图;
图3是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法的另一示意性流程图;
图4是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法中的应用场景示意图;
图5是根据本发明的一个实施例的一种基于无线通信信号的感知识别装置的示意性方框图;
图6是根据本发明的一个实施例的一种基于无线通信信号的感知识别装置的另一示意性方框图;
图7是根据本发明的一个实施例的一种基于无线通信信号的感知识别装置的另一示意性方框图;
图8是根据本发明的一个实施例的一种感知识别设备的示意性方框图;
图9是根据本发明的一个实施例的一种计算机设备的示意性方框图;
图10是根据本发明的一个实施例的一种基于无线通信信号的感知识别***的一示意性方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本发明提供一种基于无线通信信号的感知识别方法,能提高感知识别准确度,达到更好的识别效果。
以下结合附图详细描述本发明实施例的技术方案。
图1是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法的示意性流程图。该方法可以应用于感知识别装置中,感知识别装置可以位于信号接收端。
参照图1,所述方法包括:
在步骤101中,从接收的无线通信信号中获取信道状态信息。
该步骤中,信号接收端接收信号发射端发射的无线通信信号,从接收的无线通信信号中获取信道状态信息。
其中,所述无线通信信号可以是无线路由器发射的WiFi信号,或者是WAPI(Wireless LAN Authentication and Privacy Infrastructure,无线局域网鉴别和保密基础结构)信号,或其他类型的无线通信信号,例如蜂窝网信号等。其中的无线路由器,可以是普通路由器或商用路由器等。
在步骤102中,从所述信道状态信息中提取信道状态特征值。
其中,所述信道状态特征值可以包括幅度特征值和相位特征值。
在步骤103中,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
其中,该步骤可以包括:将所述信道状态特征值输入预置分类器得到与所述信道状态特征值映射的分类标签,根据所述分类标签输出感知结果。
可以发现,本发明实施例的技术方案,是从接收的无线通信信号中选择获取信道状态信息,再从所述信道状态信息中提取信道状态特征值,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。因为信道状态信息(Channel StateInformation,CSI)作为物理参数,更能反映人类或物体运动的特征,特别是反映出在无线通信信号的发射端和接收端之间的物理空间中所发生的人类或物体的运动,因此本发明实施例利用信道状态信息中提取得到的信道状态特征值来对应输出映射的感知结果,信道状态特征值不同则会输出不同的感知结果,从而实现通过感知信道状态信息的变化来感知人或物体的运动,可以提高感知识别准确度,也达到更好的识别效果,也更有利于实现人机交互或智能识别。
图2是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法的另一示意性流程图。该方法可以应用于感知识别装置中,感知识别装置可以位于信号接收端。
参照图2,所述方法包括:
在步骤201中,从接收的无线通信信号中获取信道状态信息。
该步骤可以参见步骤101的描述。
在步骤202中,对所述信道状态信息的幅度和相位进行信号预处理。
该步骤的信号预处理,可以包括:
通过线性转化方法对所述信道状态信息进行相位校准;
通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理。
其中,在通过线性转化方法对所述信道状态信息进行相位校准之前,还可以包括:通过低通滤波器对所述信道状态信息进行去噪处理。
在步骤203中,从所述进行信号预处理后的信道状态信息中提取信道状态特征值。
该步骤可以从所述进行信号预处理后的信道状态信息中提取幅度特征值和相位特征值。
在步骤204中,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
其中,该步骤可以包括:将所述信道状态特征值输入预置分类器得到与所述信道状态特征值映射的分类标签,根据所述分类标签输出感知结果。
可以发现,本发明实施例的技术方案,可以进一步对接收的所述信道状态信息的幅度和相位进行信号预处理,这样可以滤除一些不相干的测量噪声和人类的一些其它活动干扰,从而减少各类噪声干扰,进一步提高感知识别准确度。
图3是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法的另一示意性流程图。图3相对于图1和图2更详细描述了本发明方案。该方法可以应用于感知识别装置中,感知识别装置可以位于信号接收端。
本发明实施例方案主要是获取WiFi设备例如无线路由器及其接入点之间的信道状态信息,然后滤除信道状态信息中各种类型的噪声干扰,如电子噪声、其它人类活动噪声等,最后提取信道状态信息中反映人类或物体运动的特征,并利用分类的方法感知WiFi设备及其接入点间物理空间发生中发生的人类或物体的运动,从而实现感知识别。
该实施例中,信号接收端以含无线网卡的计算机设备举例说明但不局限于此,信号发射端以无线路由器举例举例说明但不局限于此,无线通信信号以无线路由器发射的WiFi信号举例说明但不局限于此。
参照图3,所述方法包括:
在步骤301中,信号接收端接收无线路由器发射的WiFi信号,从WiFi信号获取信道状态信息。
该步骤中,可以利用无线路由器作为信号发射端发射WiFi信号,含无线网卡的计算机设备作为信号接收端,信号接收端通过无线网卡与无线路由器建立连接,接收WiFi信号,收集和获取WiFi信号的原始的信道状态信息并存储,例如以二进制形式记录于文本中进行存储。其中,无线路由器可以是商用无线路由器或普通路由器。
参照图4,图4是根据本发明的一个实施例的一种基于无线通信信号的感知识别方法中的应用场景示意图。图4中,无线路由器作为信号发射端发射WiFi信号,计算机设备作为信号接收端接收WiFi信号,其中WiFi信号在传输过程中会受地面反射、天花板反射、人类或物体运动的影响。也就是说人类或物体运动发生于信号接收端与信号发射端之间,对无线通信信号的传播路径产生影响,信号接收端通过收集传输过程中的信道状态信息并对其进行处理,可以实现对人类或物体运动的感知。
其中,无线网卡与无线路由器建立连接后,可以ping无线路由器地址,此时无线路由器会向信号接收端发送数据包,信号接收端可以通过CSI Tool(信道状态信息工具)从接收到的数据包中获得信道状态信息。
信号接收端接收的数据包中包含多种数据内容,其中CSI(信道状态信息)是其中的一个重要内容。CSI是定义在子载波尺度上的物理层信息,可以反映某条通信链路的信道属性,即信号是如何从发射端到达接收端的,反映该通信链路中的多径效应或频率选择性衰落。
利用支持IEEE 802.11n协议的无线网卡,可以从各个接收到的数据包中采集到一组信道状态信息,可以由下式表示:H(k)=||H(k)||ej∠H(k)
其中,H(k)表示第k个正交频分复用子载波的CSI,||H(k)||和∠H(k)分别为该子载波的幅度和相位。每组CSI数据是将相邻子载波之间的频率差作为频率采样间隔,对WiFi带内的信道频率响应的k个离散采样数据。
其中,CSI是一个大小为Ntx×Nrx×30的三维矩阵,其中Ntx代表发送的空时数据流的数量,Nrx代表接收天线的数量,30是OFDM(Orthogonal Frequency DivisionMultiplexing,正交频分复用)信道中的子载波数目。
在步骤302中,通过低通滤波器对信道状态信息滤除不相干的测量噪声。
本发明实施例中,获取信道状态信息后进一步进行信号预处理。其中,可以先通过低通滤波器对信道状态信息滤除不相干的测量噪声,即进行去噪处理。不相干的测量噪声相对于人或物体的运动来说频率较高,因此可以利用低通滤波器滤除不相干测量噪声,低通滤波器的截止频率可以设定为每秒采集样本数的十分之一的倒数。
在步骤303中,通过线性转化方法对信道状态信息进行相位校准。
该步骤中进一步对信道状态信息进行信号预处理。
该步骤中可以通过线性转化方法对信道状态信息去除随机相位偏移。其中线性转化方法的公式为:
第k个子载波的相位估计值=第k个子载波的相位测量值–整个频带的相位的斜率×子载波序号–整个频带的相位截距
通过该公式即可得到去除了相位偏移之后的相位值。
其中,第k个子载波的相位测量值可以在步骤301获取的信道状态信息中得到,整个频带的相位斜率为:(第30个子载波的相位测量值-第1个子载波的相位测量值)/(第30个子载波序号-第1个子载波序号)。整个频带的相位截距为:(30个子载波相位测量值的和)/30。
在步骤304中,通过Hampel滤波器及滑动平均滤波器对信道状态信息进行滤波和调幅处理。
该步骤中进一步对信道状态信息进行信号预处理。
该步骤中,可以通过Hampel滤波器及滑动平均滤波器滤除人类其它活动干扰,这些干扰例如是其他人在信号接收端和信号发射端两端之间或周围进行走动,或短时间阻挡在两端之间,或信号接收端和信号发射端周围物体的挪动等。
其中,Hampel滤波器可以用于幅度和相位两方面,滑动平均滤波器可以用于幅度方面。首先可以先利用Hampel滤波器分别处理幅度和两根天线的相位差,到此相位处理结束,之后可以再用滑动平均滤波器处理幅度。
通过滑动平均滤波器再进行调幅处理,对幅度进一步平滑,可以进一步消除干扰。
其中,滑动平均滤波器的窗口值w1大小可根据实验进行取值,如w1过大,则时延过大,若w1过小,则达不到滤波效果。通过实验绘制出的滤波结果图可以看出时延的大小以及滤波效果,因此窗口值w1一般可以取50左右较为合适。
其中,Hampel滤波器可以运用于幅度特征和两根天线间相位差的处理。由于人的走动或站立对信道状态信息的幅度和两根天线的相位差造成的波动相对于其他运动较大,因此利用Hampel滤波器可以找出窗口内的异常值,并用均值替代,可以滤除一定的人类活动干扰。Hampel滤波器的窗口值w2大小可通过每次采集样本的时长确定,w2取值与一次样本采集数目相等,且可以以均值替代异常值。其中样本采集数目指的是一次动作所持续的时间内信号接收端收集到的数据包的个数。
在步骤305中,从进行信号预处理后的信道状态信息中提取幅度特征值。
该步骤中,从进行信号预处理后的信道状态信息的幅度上提取特征值,即提取幅度特征值,可以是计算每个数据包上30个子载波的均值(Mean)、标准差(StandardDeviation,STD)、平均绝对偏差(Mean Absolute Deviation,MAD)、最大值(Max)等作为该时刻的幅度特征值。其中均值、标准差、平均绝对偏差、最大值的计算可以采用相关现有公式进行计算。
需说明的是,幅度特征值可以不限于上述四个值,也可以是其它值,一般可以由实验绘制特征值分布图选定合适的特征值或采用深度学习的方式提取特征值。其中深度学习提取的方式一般是设计神经网络,将神经网络的输出作为特征值。
特征值提取方式一般根据识别目标与分类算法不同而有所区别。目前用于提取信号特征数据的方式主要包括三种:时域分析法、频域分析法以及时频域分析法。时域分析法,即从时域的角度分析数据的统计特征,通常与概率统计方法密不可分。常用的时域特征包括:均值(Mean)、方差(Variance)、标准差(Standard Deviation,STD)、平均绝对偏差(Mean Absolute Deviation,MAD)、信号周期(Signal Period)、峰峰值(Peak-to-peakValue,PTP)、坐标轴相关系数(Correlation,Cor)、能量(Energy)、时域积分(Integration)、斜率(Mean Skewness)、四分位距(Interquartile Range,IR)等。频域分析法,即从频域的角度对数据特征进行分析,常用的频域特征有:快速傅里叶变换系数、能量谱密度、熵等。频域分析法的计算规模相对于时域分析法来说要大很多。时频域分析法即将上述两者结合,即从时域和频域相结合的角度来分析,如利用小波变换(WaveletTransform)等方法。
在步骤306中,从进行信号预处理后的信道状态信息中提取相位特征值。
该步骤中,从进行信号预处理后的信道状态信息的相位上提取特征值,即提取相位特征值,可以是计算同一子载波两个接收天线之间的真实相位估计值的差作为该时刻的相位特征值。
需说明的是,步骤305和步骤306没有必然的顺序关系。
在步骤307中,将提取的幅度特征值和相位特征值输入分类器进行分类,得到与幅度特征值和相位特征值映射的分类标签。
本发明可以预先为信道特征值设置对应的分类标签,建立信道特征值与其对应的分类标签的映射关系。那么后续只要输入信道特征值,通过分类器就可以输出得到对应映射的分类标签。
其中,设置的分类可以与具体的使用情境有关。例如物品监控仅需判断物体发生移动或没有发生移动两类,即两种分类;人类手势识别则可根据不同的使用场景设置多种手势,即多种分类。一般在分类器训练好模型的情况下,输入特征值即可实现分类。
其中分类器是机器学习或深度学习的一类算法,不同的分类器原理并不相同,通过训练可建立特征值与标签的对应模型,在有新的特征值输入时,即可做出相应分类,得到相应分类标签。例如设置两个动作,一个动作为跳,另一个动作为蹲下。两个动作对信道状态信息的影响不同,提取出的幅度特征值和相位特征值也就不同。例如可以将跳这个动作的分类标签设置为1,蹲下这个动作的分类标签设置为2。大量重复这两个动作,提取出特征值,并添加对应的标签,可以建立模型。后续应用时检测到相关动作发生,计算出其特征值,输入分类器,则分类器会输出映射的分类标签。
在步骤308中,根据分类标签输出感知结果。
该步骤中,可以将分类标签转换为人类可读懂的输出结果或对某种设备的控制指令,也即输出感知结果。
可以发现,本发明实施例提供的方案,能够利用WiFi设备例如无线路由器提供细粒度、易部署并且低成本的感知识别方法,该方法以信道状态信息作为物理参数,通过感知信道状态信息的变化来感知人或物体的运动,从而实现感知识别,可以应用于人机交互或智能识别场景中。
上述详细介绍了本发明的一种基于无线通信信号的感知识别方法,以下介绍本发明对应的基于无线通信信号的感知识别装置及设备。
图5是根据本发明的一个实施例的一种基于无线通信信号的感知识别装置的示意性方框图。
参照图5,在感知识别装置50中,包括:信息获取模块51、特征提取模块52、感知输出模块53。
信息获取模块51,用于从接收的无线通信信号中获取信道状态信息。其中,所述无线通信信号可以是无线路由器发射的WiFi信号,或者是WAPI信号,或其他类型的无线通信信号,例如蜂窝网信号等
特征提取模块52,用于从所述信息获取模块51获取的信道状态信息中提取信道状态特征值。其中,所述信道状态特征值可以包括幅度特征值和相位特征值。
感知输出模块53,用于根据所述特征提取模块52提取的信道状态特征值输出与所述信道状态特征值映射的感知结果。感知输出模块53可以将所述信道状态特征值输入预置分类器得到与所述信道状态特征值映射的分类标签,根据所述分类标签输出感知结果。
图6是根据本发明的一个实施例的一种基于无线通信信号的感知识别装置的另一示意性方框图。
参照图6,在感知识别装置60中,包括:信息获取模块51、特征提取模块52、感知输出模块53、信号预处理模块54。
信息获取模块51,用于从接收的无线通信信号中获取信道状态信息。
信号预处理模块54,用于对所述信息获取模块51获取的信道状态信息的幅度和相位进行信号预处理。其中的信号预处理,可以包括:通过线性转化方法对所述信道状态信息进行相位校准;通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理。以及,在通过线性转化方法对所述信道状态信息进行相位校准之前,还可以包括:通过低通滤波器对所述信道状态信息进行去噪处理。
特征提取模块52,用于从经过所述信号预处理模块54进行信号预处理后的信道状态信息中提取信道状态特征值。
感知输出模块53,用于根据所述特征提取模块52提取的信道状态特征值输出与所述信道状态特征值映射的感知结果。
图7是根据本发明的一个实施例的一种基于无线通信信号的感知识别装置的另一示意性方框图。图7相对于图5和图6更详细描述了装置结构。
参照图7,在感知识别装置70中,包括:信息获取模块51、特征提取模块52、感知输出模块53、信号预处理模块54。
其中,信息获取模块51、特征提取模块52、感知输出模块53、信号预处理模块54的功能可以参见图5或图6所描述。
其中,所述感知输出模块53还可以包括:分类子模块531、输出子模块532。
分类子模块531,用于将所述提取的信道状态特征值输入预置分类器,得到与所述信道状态特征值映射的分类标签。
输出子模块532,用于根据所述分类子模块531得到的分类标签输出感知结果。
其中,信号预处理模块54还可以包括:第一预处理子模块541、第二预处理子模块542、第三预处理子模块543。
第一预处理子模块541,用于通过低通滤波器对所述信道状态信息进行去噪处理。
第二预处理子模块542,用于通过线性转化方法对所述信道状态信息进行相位校准。
第三预处理子模块543,用于通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理。
其中,特征提取模块52还可以包括:第一提取子模块521、第二提取子模块522。
第一提取子模块521,用于从获取的信道状态信息中提取信道状态信息的幅度特征值。
第二提取子模块522,用于从获取的信道状态信息中提取信道状态信息的相位特征值。
图8是根据本发明的一个实施例的一种感知识别设备的示意性方框图。
参照图8,在一种感知识别设备80中,包括:处理器81、存储器82。
处理器81,从接收的无线通信信号中获取信道状态信息,从所述信道状态信息中提取信道状态特征值,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
存储器82,存储所述处理器81获取的信道状态信息。
图9是根据本发明的一个实施例的一种计算机设备的示意性方框图。
参照图9,在一种计算机设备90中,包括:
处理器91;以及
存储器92,其上存储有可执行代码,当所述可执行代码被所述处理器91执行时,使所述处理器91执行如下所述的方法:
从接收的无线通信信号中获取信道状态信息;
从所述信道状态信息中提取信道状态特征值;
根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
图10是根据本发明的一个实施例的一种基于无线通信信号的感知识别***的一示意性方框图。
参照图10,在感知识别***110中,包括信号发射端111、信号接收端112。
信号发射端111,向信号接收端111发射无线通信信号。
信号接收端112,从接收的无线通信信号中获取信道状态信息,从所述信道状态信息中提取信道状态特征值,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
其中,可以利用无线路由器作为信号发射端发射WiFi信号,含无线网卡的计算机设备作为信号接收端,无线路由器可以是商用无线路由器或普通路由器。
本发明实施例还提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行以下所述的方法:
从接收的无线通信信号中获取信道状态信息;
从所述信道状态信息中提取信道状态特征值;
根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。
综上所述,本发明实施例的技术方案,本发明实施例的技术方案,是从接收的无线通信信号中选择获取信道状态信息,再从所述信道状态信息中提取信道状态特征值,根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果。因为信道状态信息(Channel State Information,CSI)作为物理参数,更能反映人类或物体运动的特征,特别是反映出在无线通信信号的发射端和接收端之间的物理空间中所发生的人类或物体的运动,因此本发明实施例利用信道状态信息中提取得到的信道状态特征值来对应输出映射的感知结果,信道状态特征值不同则会输出不同的感知结果,从而实现通过感知信道状态信息的变化来感知人或物体的运动,可以提高感知识别准确度,也达到更好的识别效果,也更有利于实现人机交互或智能识别。
上文中已经参考附图详细描述了根据本发明的技术方案。
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。
或者,本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使所述处理器执行根据本发明的上述方法的各个步骤。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
所属领域的普通技术人员应当理解:以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于无线通信信号的感知识别方法,其特征在于,包括:
从接收的无线通信信号中获取信道状态信息;
从所述信道状态信息中提取信道状态特征值;
根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果;
所述信道状态特征值包括幅度特征值和相位特征值;
所述从信道状态信息中提取信道状态特征值之前,包括:
对所述信道状态信息的幅度和相位进行信号预处理;
所述对信道状态信息的幅度和相位进行信号预处理,包括:
通过线性转化方法对所述信道状态信息进行相位校准;
通过线性转化方法对所述信道状态信息进行相位校准,包括:
通过线性转化方法对信道状态信息去除随机相位偏移;其中线性转化方法的公式为:
第k个子载波的相位估计值=第k个子载波的相位测量值–整个频带的相位的斜率×子载波序号–整个频带的相位截距
通过该公式即可得到去除相位偏移之后的相位值;
通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理;
通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理,包括:
其中,Hampel滤波器用于幅度和相位两方面,滑动平均滤波器用于幅度方面;首先先利用Hampel滤波器分别处理幅度和两根天线的相位差,到此相位处理结束,之后再用滑动平均滤波器处理幅度;
通过滑动平均滤波器再进行调幅处理,对幅度进一步平滑,进一步消除干扰;
其中,滑动平均滤波器的窗口值w1大小根据实验进行取值,如w1过大,则时延过大,若w1过小,则达不到滤波效果;通过实验绘制出的滤波结果图看出时延的大小以及滤波效果;
其中,Hampel滤波器运用于幅度特征和两根天线间相位差的处理;Hampel滤波器的窗口值w2大小通过每次采集样本的时长确定,w2取值与一次样本采集数目相等,且以均值替代异常值;其中样本采集数目指的是一次动作所持续的时间内信号接收端收集到的数据包的个数。
2.根据权利要求1所述的方法,其特征在于,所述无线通信信号包括无线路由器发射的WiFi信号或WAPI信号。
3.根据权利要求1所述的方法,其特征在于,所述通过线性转化方法对所述信道状态信息进行相位校准之前,还包括:
通过低通滤波器对所述信道状态信息进行去噪处理。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述信道状态特征值输出与所述信道状态特征值映射的感知结果,包括:
将所述信道状态特征值输入预置分类器得到与所述信道状态特征值映射的分类标签;
根据所述分类标签输出感知结果。
5.一种基于无线通信信号的感知识别装置,其特征在于,包括:
信息获取模块,用于从接收的无线通信信号中获取信道状态信息;
特征提取模块,用于从所述信息获取模块获取的信道状态信息中提取信道状态特征值;其中,所述信道状态特征值包括幅度特征值和相位特征值;
感知输出模块,用于根据所述特征提取模块提取的信道状态特征值输出与所述信道状态特征值映射的感知结果;
信号预处理模块,用于对所述信息获取模块获取的信道状态信息的幅度和相位进行信号预处理;
其中的信号预处理,包括:通过线性转化方法对所述信道状态信息进行相位校准;
其中线性转化方法的公式为:
第k个子载波的相位估计值=第k个子载波的相位测量值–整个频带的相位的斜率×子载波序号–整个频带的相位截距
通过该公式即可得到去除相位偏移之后的相位值;
通过Hampel滤波器及滑动平均滤波器对所述信道状态信息进行滤波和调幅处理;
其中,Hampel滤波器用于幅度和相位两方面,滑动平均滤波器用于幅度方面;首先先利用Hampel滤波器分别处理幅度和两根天线的相位差,到此相位处理结束,之后再用滑动平均滤波器处理幅度;
通过滑动平均滤波器再进行调幅处理,对幅度进一步平滑,进一步消除干扰;
其中,滑动平均滤波器的窗口值w1大小根据实验进行取值,如w1过大,则时延过大,若w1过小,则达不到滤波效果;通过实验绘制出的滤波结果图看出时延的大小以及滤波效果;
其中,Hampel滤波器运用于幅度特征和两根天线间相位差的处理;Hampel滤波器的窗口值w2大小通过每次采集样本的时长确定,w2取值与一次样本采集数目相等,且以均值替代异常值;其中样本采集数目指的是一次动作所持续的时间内信号接收端收集到的数据包的个数;
所述特征提取模块从经过所述信号预处理后的信道状态信息中提取信道状态特征值。
6.根据权利要求5所述的装置,其特征在于,所述感知输出模块包括:
分类子模块,用于将所述提取的信道状态特征值输入预置分类器,得到与所述信道状态特征值映射的分类标签;
输出子模块,用于根据所述分类子模块得到的分类标签输出感知结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711277751.8A CN107968689B (zh) | 2017-12-06 | 2017-12-06 | 基于无线通信信号的感知识别方法及装置 |
US15/847,961 US10667147B2 (en) | 2017-12-06 | 2017-12-20 | Sensing recognition method and device based on wireless communication signals |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711277751.8A CN107968689B (zh) | 2017-12-06 | 2017-12-06 | 基于无线通信信号的感知识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107968689A CN107968689A (zh) | 2018-04-27 |
CN107968689B true CN107968689B (zh) | 2020-07-31 |
Family
ID=61999506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711277751.8A Active CN107968689B (zh) | 2017-12-06 | 2017-12-06 | 基于无线通信信号的感知识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10667147B2 (zh) |
CN (1) | CN107968689B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11102492B2 (en) * | 2018-02-20 | 2021-08-24 | Arlo Technologies, Inc. | Multi-sensor motion detection |
CN108577855B (zh) * | 2018-05-07 | 2021-06-18 | 北京大学 | 一种无接触式健身运动监测方法 |
CN109409216B (zh) * | 2018-09-18 | 2022-04-05 | 哈尔滨工程大学 | 基于子载波动态选择的速度自适应室内人体检测方法 |
CN111382641A (zh) * | 2018-12-29 | 2020-07-07 | 西安思博探声生物科技有限公司 | 体态识别方法和体感游戏动作指导*** |
CN109768838B (zh) * | 2018-12-29 | 2021-04-13 | 西北大学 | 一种基于WiFi信号的干扰检测及手势识别方法 |
CN109921886B (zh) * | 2019-01-28 | 2021-08-10 | 东南大学 | 一种鲁棒的低功耗设备射频指纹识别方法 |
CN109687897B (zh) * | 2019-02-25 | 2021-12-28 | 西华大学 | 基于深度学习大规模mimo***的叠加csi反馈方法 |
CN110287863B (zh) * | 2019-06-24 | 2022-06-17 | 桂林电子科技大学 | 一种基于WiFi信号的手势识别方法 |
CN112152741B (zh) * | 2019-06-28 | 2021-11-19 | 华为技术有限公司 | 信道模型的训练方法及装置 |
CN110531039B (zh) * | 2019-09-03 | 2022-04-29 | 河南工业大学 | 一种基于WiFi设备的粮食霉变检测方法及装置 |
CN110737201B (zh) * | 2019-10-11 | 2020-10-09 | 珠海格力电器股份有限公司 | 一种监护方法、装置、存储介质及空调 |
JP7433950B2 (ja) * | 2020-02-07 | 2024-02-20 | キヤノン株式会社 | 通信装置、アプリケーションプログラム、通信装置の制御方法、提供方法、およびサーバ |
CN113543140A (zh) * | 2020-04-16 | 2021-10-22 | 支付宝实验室(新加坡)有限公司 | 一种基于无线Wi-Fi信号的身份识别方法、装置及电子设备 |
CN111741471B (zh) * | 2020-06-11 | 2024-03-22 | 深圳市三旺通信股份有限公司 | 基于csi的入侵检测方法、装置及计算机存储介质 |
CN111726217B (zh) * | 2020-06-29 | 2021-07-20 | 中南大学 | 基于深度强化学习的宽带无线通信自主选频方法及*** |
CN111797804A (zh) * | 2020-07-16 | 2020-10-20 | 西安交通大学 | 一种基于深度学习的信道状态信息人类活动识别方法及*** |
CN114531694A (zh) * | 2020-11-23 | 2022-05-24 | 维沃移动通信有限公司 | 通信数据处理方法、装置及通信设备 |
CN112600630A (zh) * | 2020-12-07 | 2021-04-02 | 广州大学 | 一种基于Wi-Fi信号的动作识别方法及装置 |
CN112595898A (zh) * | 2020-12-07 | 2021-04-02 | 广州大学 | 一种基于Wi-Fi信号测量液体复介电常数的方法及装置 |
CN112632680B (zh) * | 2020-12-30 | 2022-08-05 | 同济大学 | 基于深度学习的大型土木工程结构的渗漏水状况重建方法 |
CN113057604A (zh) * | 2021-02-04 | 2021-07-02 | 应急管理部上海消防研究所 | 一种埋压人员救援平台 |
CN113093304B (zh) * | 2021-02-26 | 2022-10-18 | 西安电子科技大学 | 一种基于wifi的可疑物品材质安全检测方法 |
US11871299B2 (en) | 2021-04-13 | 2024-01-09 | Qualcomm Incorporated | Self-supervised passive positioning using wireless data |
US12022358B2 (en) * | 2021-04-13 | 2024-06-25 | Qualcomm Incorporated | Self-supervised passive positioning using wireless data |
CN115733565A (zh) * | 2021-09-01 | 2023-03-03 | 维沃移动通信有限公司 | 检测方法、装置及设备 |
CN114501446B (zh) * | 2022-01-17 | 2023-07-25 | 河北大学 | 动态工业场景下基于PU bagging策略的物理层认证方法 |
CN118041407A (zh) * | 2022-11-08 | 2024-05-14 | 维沃移动通信有限公司 | 信息传输方法、装置及通信设备 |
CN117335912B (zh) * | 2023-09-28 | 2024-04-12 | 广东机电职业技术学院 | 一种频谱智能感知方法及*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101521883B (zh) * | 2009-03-23 | 2011-01-19 | 中兴通讯股份有限公司 | 一种数字证书的更新和使用方法及*** |
US9002286B2 (en) * | 2009-03-30 | 2015-04-07 | Massachusetts Institute Of Technology | Method and system for identification and mitigation of errors in non-line-of-sight distance estimation |
WO2013171152A1 (en) * | 2012-05-18 | 2013-11-21 | Telefonica, S.A. | A method and a system for csi reporting in lte networks according to the mobility of the user equipment |
US10833912B2 (en) * | 2012-12-05 | 2020-11-10 | Origin Wireless, Inc. | Methods, devices, servers, apparatus, and systems for wireless internet of things applications |
US10374863B2 (en) * | 2012-12-05 | 2019-08-06 | Origin Wireless, Inc. | Apparatus, systems and methods for event recognition based on a wireless signal |
CN104502894B (zh) * | 2014-11-28 | 2017-01-11 | 无锡儒安科技有限公司 | 基于物理层信息的运动物体被动检测方法 |
CN105933080B (zh) * | 2016-01-20 | 2020-11-03 | 北京大学 | 一种跌倒检测方法和*** |
CN106618497A (zh) * | 2016-12-13 | 2017-05-10 | 北京理工大学 | 复杂环境下基于信道状态信息监测睡眠的方法 |
US10677905B2 (en) * | 2017-09-26 | 2020-06-09 | Infineon Technologies Ag | System and method for occupancy detection using a millimeter-wave radar sensor |
-
2017
- 2017-12-06 CN CN201711277751.8A patent/CN107968689B/zh active Active
- 2017-12-20 US US15/847,961 patent/US10667147B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20190174330A1 (en) | 2019-06-06 |
CN107968689A (zh) | 2018-04-27 |
US10667147B2 (en) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107968689B (zh) | 基于无线通信信号的感知识别方法及装置 | |
EP3411670B1 (en) | Systems and methods for sensing an environment with wireless communication signals | |
He et al. | WiG: WiFi-based gesture recognition system | |
CN105844216B (zh) | 一种利用WiFi信号识别手写字母的检测与匹配机制 | |
Wang et al. | WiCAR: WiFi-based in-car activity recognition with multi-adversarial domain adaptation | |
Yang et al. | Fine-grained adaptive location-independent activity recognition using commodity WiFi | |
CN113609976B (zh) | 一种基于WiFi设备的方向敏感多手势识别***及方法 | |
EP3977793A1 (en) | Proximity-based model for indoor localization using wireless signals | |
CN110502105A (zh) | 一种基于csi相位差的手势识别***及识别方法 | |
Cao et al. | Wi-Wri: Fine-grained writing recognition using Wi-Fi signals | |
Chowdhury et al. | WiHACS: Leveraging WiFi for human activity classification using OFDM subcarriers' correlation | |
Shi et al. | Human activity recognition using deep learning networks with enhanced channel state information | |
CN114222202B (zh) | 一种基于WiFi CSI的环境自适应活动检测方法及*** | |
CN107862295A (zh) | 一种基于WiFi信道状态信息识别面部表情的方法 | |
Hao et al. | CSI‐HC: A WiFi‐Based Indoor Complex Human Motion Recognition Method | |
CN114048773A (zh) | 一种基于迁移学习和WiFi的行为识别方法及*** | |
CN110059612A (zh) | 一种基于信道状态信息的位置无关的手势识别方法及*** | |
Mei et al. | WiWave: WiFi-based human activity recognition using the wavelet integrated CNN | |
CN113935373A (zh) | 基于相位信息和信号强度的人体动作识别方法 | |
Man et al. | PWiG: A phase-based wireless gesture recognition system | |
Pan et al. | Dynamic hand gesture detection and recognition with WiFi signal based on 1d-CNN | |
CN109190605A (zh) | 一种基于csi的人体连续动作计数方法 | |
Chen et al. | WiTT: Modeling and the evaluation of table tennis actions based on WIFI signals | |
Liu et al. | Deep learning based encryption policy intrusion detection using commodity WiFi | |
CN116597521B (zh) | 一种人类轨迹及躯干活动识别方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |