随着物联网技术的飞速发展和广泛应用,室内人体轨迹追踪技术在智能家居中扮演着十分重要的角色,为老年人护理、入侵检测和目标行为分析等实际应用提供更加细粒度的服务。然而,现有的基于商用Wi-Fi设备的研究工作大都需要在室内部署多对收发设备,而且一些研究工作还需要进行大量的线下指纹采集,这些复杂的设备和繁重的工作阻碍室内轨迹追踪技术在实际中的应用。为了解决这一挑战,该文提出Wi-Fi信号灯(Wi-Fi Blinker,WiBlinker)系统,该方法仅需要一条Wi-Fi链路来采集物理层的信道状态信息(Channel State Information,CSI),通过处理分析CSI的相位信息即可实现室内人体移动方向判别和轨迹追踪。首先,由于硬件设备的缺陷,CSI的原始相位信息中掺杂着随机相位噪声,使得其无法直接应用于轨迹追踪。为了去除随机相位噪声,该文提出动态轻量插值消除相位校正法。其次,利用校正后的相位信息,该文提出方向估计模型来获取人体移动方向,并准确地判断出人体出现大角度急转弯时的方向信息。DEM算法的主要思想是人在监测区域内运动时不仅会引入多普勒频移,而且还会改变接收端相邻两根天线间的相位差值。DEM利用DFS获取多普勒速度,并获得人体移动的粗粒度方向信息。然后利用相位差变化趋势来获得细粒度方向信息。将粗粒度和细粒度方向信息结合,即可获得人体移动的真实方向。最后,WiBlinker利用商用Intel 5300网卡,在没有进行任何线下训练且不对硬件进行修改的情况下,仅使用一条收发链路来获取数据,对直线路径、“L”形路径和方形路径轨迹估计的中值误差仅为14.76cm、21.06cm和27.87cm。