论文部分内容阅读
随着物联网技术的快速发展,情景感知技术逐渐走入人们生活,其目的在于通过数据的采集和分析使得计算设备能够具备感知周围环境的能力,从而提供更为智能化的服务。此处所提到的环境不仅仅包括用户所在的物理环境信息,如网络状况、室内布置等,同时也包括用户自身的状态信息,如用户的位置及动作等。利用WiFi信号进行情景感知是一种可行的方案,其原因在于通过对接收信号进行分析可以解析其所调制的环境特征信息。传统基于WiFi的感知技术主要是基于接收信号指示强度RSSI(Received Signal Strength Indicator)来实现的,然而RSSI本身粒度较粗且时间稳定性差,因此亟需研究WiFi环境下的新型感知技术与方法。本文深入物理层,提取更为细粒度的信道状态信息CSI(Channel State Information)代替RSSI,从而实现更为鲁棒和精细的情景感知。论文首先阐述了基于CSI的感知技术的基本思想,总结了CSI相比较于RSSI所带来的优势。针对传统基于RSSI的感知技术的研究不足,本文以两个典型的情景感知应用场景为例,提出了基于CSI的网络划分和基于CSI的全向人员侵入检测算法。前者实现了对网络状况这一物理信息的场景感知,通过对无线信道进行指纹建模,提取Rician-K系数、时延扩展以及多普勒展宽三个信道参数并通过K-means聚类算法实现了更为鲁棒的网络划分。后者则实现了对人员存在性及人员存在位置等人员状态信息的感知,采用主成分分析PCA(Principal Component Analysis)提取信号特征并利用EMD(Earth Mover’s Distance)算法进行指纹匹配,实现了全向的人员侵入检测。最后,通过实验对上述两个算法的性能分别进行验证和分析。