论文部分内容阅读
随着物联网技术的快速发展和WiFi网络的广泛部署,这些基础设备为人们带来了大量的信息资源。通过使用这些信息资源,来进一步改善人们的生活方式逐渐成为未来的发展趋势,因此诞生出环境感知技术。WiFi环境感知技术不仅仅是使用WiFi信号来感知周围静态环境,更重要的是通过感知环境变化来实现相应的定制服务,例如人体检测、手势识别和活动识别等。常见的环境感知技术分别为:基于传感器、基于射频识别(Radio Frequency Identification,RFID)技术、基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的WiFi环境感知技术和基于信道状态信息(Channel State Information,CSI)的WiFi环境感知技术。研究人员发现CSI信息与其他信号相比,更细粒度地描述了无线信道状态,并可以区分多径成分,实现高精度的环境感知。本文对现有的环境感知技术进行深入研究,归纳出几种常见的环境感知技术方法,并详细描述了每种方法的优缺点。在此基础上,本文设计出一种基于CSI的视距路径人数检测方案,该方案由两部分组成:基于CSI的视距路径识别和基于CSI的队列人数检测。在基于CSI的视距路径识别方法中,实验场景分为静态和动态两个场景。在静态场景中,本文通过提取出一组特征簇,对其使用反向传播神经网络实现视距路径判别。在动态场景中,结合Rician-K模型,本文提出自定义的K-Mean特征,从而实现动态视距识别。在以上两种场景中,视距识别方案均可达到95%左右的识别准确率。在基于CSI的队列人数检测方法中,本文首先采用移动平均法对原始CSI信号进行去噪,之后提取出偏斜度和峰度两个特征,并对该二维特征采用核函数为径向基函数的支持向量机进行分类,从而实现当前视距队列人数检测。最后结合现有的菲涅耳域概念,动态检测队列人数变化。通过在不同的场景和条件下对该人数检测方案进行测试,实验结果表明视距队列人数检测方案可以达到90%以上的检测准确率。