论文部分内容阅读
摘 要:WiFi数据包的CSI(无线信道状态信息)受其传播物理空间的影响,携带反映环境特征的信息。这里所说的环境是信号传播的物理空间,既包括人的因素(是否有人以及人的位置、特征、姿势、动作等),也包括其他外物的因素。基于CSI的动作识别算法是对WiFi数据包中CSI(无线信道状态信息)携带的人的动作信息进行预处理、特征提取和分类识别,识别出人的行为动作的一种识别算法。本文利用CSI信息进行人体动作的识别,详细地介绍了动作识别系统的设计和实现工作,系统主要包括3个部分:前台客户端模块,该模块是用户与系统的交互平台和动作识别结果的接收平台,用户在这里与系统进行交互并获取所需信息;后台管理模块,该模块主要是对系统后台信息进行管理,包括用户的个人信息管理,动作管理,即可识别动作的添加、删除和划分功能以及系统的日志信息查询;动作识别模块,该模块是系统的核心模块,用户采集到的动作信息会通过客户端传送给动作识别模块,动作识别模块对动作信息进行处理,提取动作特征信息,并与数据库中已有的动作信息进行匹配,并将匹配结果返回给客户端。
关键词:CSI;动作识别;802.11n;机器学习
1 引言
人体动作识别是进行人体行为理解和友好人机交互[1]的重要前提和关键组成部分。这些年来,随着网络与信息技术的迅速发展,人体动作的识别作为一种自然的人机交互方式,成为科研人员重点关注的对象,在智能家居、医疗康复领域、体感游戏等多种领域有极大的应用潜力。
WiFi数据包的CSI(无线信道状态信息)受其传播物理空间的影响,携带反映环境特征的信息。这里所说的环境是信号传播的物理空间,既包括人的因素(是否有人以及人的位置、特征、姿势、动作等),也包括其他外物的因素。基于CSI的动作识别算法是对WiFi数据包中CSI(无线信道状态信息)携带的人的动作信息进行预处理、特征提取和分类识别,识别出人的行为动作的一种识别算法。本文利用CSI信息进行人体动作的识别,详细地介绍了动作识别系统的设计和实现工作,系统主要包括3个部分:前台客户端模块,该模块是用户与系统的交互平台和动作识别结果的接收平台,用户在这里与系统进行交互并获取所需信息;后台管理模块,该模块主要是对系统后台信息进行管理,包括用户的个人信息管理,动作管理,即可识别动作的添加、删除和划分功能以及系统的日志信息查询;动作识别模块,该模块是系统的核心模块,用户采集到的动作信息会通过客户端传送给动作识别模块,动作识别模块对动作信息进行处理,提取动作特征信息,并与数据库中已有的动作信息进行匹配,并将匹配结果返回给客户端。本文最后对系统进行了功能测试和性能测试。
通过系统的测试,测试结果表明该识别系统能够准确而且快速地识别人的基本行为动作,在识别率方面,准确率达到92%;在系统响应时间上,识别一个用户动作的平均响应时间为2s。
2 系统模型
2.2.1系统整体架构设计
1)系统目标
本文研究的目标是提出利用WiFi数据包的CSI相位信息识别人的行为动作的可行性方案。系统的原理是利用用户对WiFi数据包中的CSI相位信息的干扰结果,反向识别出用户的行为动作。由于普通WIFI收发设备的自身晶振的差异性,会导致WiFi接收端的CSI相位信息发生频偏,以致无法获取到稳定的CSI信息。所以,本文选择在USRP(软件无线电设备)上实现802.11n协议,并通过GPSdo时钟源对USRP收发设备进行时钟同步,从而获取到比较稳定的CSI相位信息。所以,本文选取利用USRP设备进行数据的发送和采集工作。基于系统易用性的考虑,本文选择在Windows平台上完成系统的设计相关工作。
通过对人机交互领域人体动作识别的需求分析,系统的总体目标是完成基于CSI的动作识别系统的设计与实现工作。
2)系统功能结构设计
基于CSI的动作识别系统的功能模块划分如图1所示。该系统主要是作为PC客户端与用户进行交互的,其最终目标是用户成功登陆后,进行动作信息采集并进行行为动作的识别。因此本文在进行系统设计时会重点考虑客户端的应用及其相关功能,系统功能模块主要分为前端应用模块和后台管理模块。前台客户端模块主要包括注册登录功能模块、查询可识别动作模块、动作信息采集模块、动作识别模块和动作验证模块,后台管理模块主要包括管理员登录模块、动作管理模块、用户信息管理模块和日志信息查询模块。
3)系统物理结构设计
基于CSI的动作识别系统采用传统的C/S网络结构模式,系统的物理结构设计如图2所示。运行于Windows平台的动作识别系统应用作为前台客户端(Client),用于完成与用户的交互操作。用户通过使用PC终端设备完成与服务器的通信,由服务器处理对用户的采集动作信息、识别、登陆等等操作进行具体的处理,完成与数据库服务器的数据交互,然后通过动作识别模型分析CSI数据,进行动作识别,将识别结果返回给客户端。
系统的物理结构包括两台PC机,两台USRP(软件无线电设备)以及一台GPSdo时钟源,PC机通过UHD驱动控制USRP收发WiFi数据包。由于不同设备之间的差异性,需要用GPSdo时钟源同步两台USRP设备上的时钟,从而消除CSI相位信息上的频率偏移,获取静态环境下稳定的CSI信息。
3 算法设计
在无线通信中,Channel StateInformation(CSI),即信道状态信息,是一个在子载波尺度上物理层的信息,指的是一條通信链路的信道属性。这个信息描述了信号是如何从发射端经过空气传播到接收端的,反映了信号在每条传输路径上的衰弱因子,比如信号散射、环境衰弱、功率随距离衰减等。因此,CSI有助于我们研究手势对信号传播的影响,从而分析手势信号特征,识别出手势动作。 通常测量无线信道状态信息CSI需要专业的信道测量仪器。华盛顿大学的 Daniel Halperin 等人在2010年SIGCOMM大会上提供了一个通过修改固件来获取CSI 的方法。利用这个方法,我们可以在普通的无线网卡上也能采集的CSI数据。
根据图 3,我们可以知道在一个窄带平坦性衰落的信道里,OFDM系统在频域内可以建模如下:
其中 X 是发送信号(Transmitter)向量,Y 是接收信号(Receiver)向量。H 是信道增益矩阵(Channel Matrix)。N 就是噪声(Noise)向量,通常加的是高斯白噪声(Gaussian White Noise)向量。根据上式(3-1),H 的值可以表示为:
从每个接收数据包得到的无线信道状态信息 CSI 代表了一个 OFDM 系统的子载(Subcarrier)的振幅(Amplitude)和相位(Phase),定义为:
其中 H(i)表示第 i 个子载波的无线信道状态信息 CSI的值,|H(i)|表示第 i 个子载波的振幅,H(i)示第i个子载波的相位。一组无线信道状态信息 CSI是以子载波频差为频率采样间隔的。通过 Daniel Halperin 的方法,我们在普通商用的 WiFi 设备上可以得到 30 个正交频分复用系统子载波的采样值。Jiang Xiao等研究人员经过研究发现,相比 RSSI(Received Signal Strength Indicator,即接收信号强度指示),CSI 描述了多径传播的特性。虽说 RSSI 的值反映了信道的质量情况,可以代入线信号传播模型估算信号传播距离,或通过分析 RSSI 的波动判断是否有物体阻挡无线链路,但是 RSSI 会因多径传播引起的阴影衰落而不再遵循随距离增加而单调减小的规律,导致结果精度不高。归根到底,RSSI 只是多径叠加的总幅度的反映。说得通俗点,RSSI 就好比是一束太阳光,CSI 就是经过正交频分复用这面棱镜出来的单色光。每个无线信道状态信息 CSI 都反映了不同频率的信号经过多径传播后的振幅和相位。因此,CSI 是一个物理层的更细粒度的信息,从子载波层面上述信道状态信息,不但可以测量子载波的幅度,而且可以测量子载波相位。更进一步地我们可以从 CSI 中提取出有代表性的特征,从时域和频域上分析更为细微的环境信息,比如更为精确的室内定位、测距、人体活动识别(如上/下楼梯、走路、洗碗、洗澡、学习、吃饭等),可以用来进行唇语的识别。
4 性能分析
为了验证本文基于CSI的动作识别方法的有效性和可行性,本文跟基于RSSI的动作识别方法和基于肌电信号的动作识别方法进行对比,如图4。SSI的动作识别方法的平均识别率是82.5%,基于肌电信号的动作识别方法的平均识别率是85.3%,而基于CSI的动作识别方法的识别率达到了92.3%,高于其他两种动作识别方法。因为CSI是物理层子载波尺度上的无线信道状态信息,拥有更稳定和更细粒度的信道信息,有助于提高动作识别率。
5 结束语
通过分析动作識别技术在自然人机交互领域的研究现状,并查阅大量的国内外文献资料,对基于CSI的动作识别方法进行了深入研究。本文提出了一种动作识别的研究方案,并设计了具体的动作识别算法,开发出了一套基于CSI的动作识别系统。主要工作包括以下几个方面:
1)详细阐述了开展课题研究的背景和意义以及国内外研究现状,介绍了课题主要研究内容,并给出总体研究方案。
2)设计实现了基于CSI的动作识别系统,该系统主要分为前台客户端模块、后台管理模块和动作识别模块。前台客户单模块主要功能是用户的注册登录、动作信息采集、动作识别和可识别动作查看;后台管理模块主要工作是对系统的可识别动作、用户信息进行管理以及对查看系统日志信息,分析系统运转情况;动作识别模块的主要工作是将用户采集到的动作信息进行分析处理以及分类识别,将识别结果返回给客户端。
4)根据本文对基于CSI的动作识别系统进行的功能性测试和性能测试。系统满足设计目标,而且具有一定的高可用性和良好的可交互性。
动作识别是人机交互技术研究中非常关键的一个部分。目前的研究方法都有一定的局限性。基于视觉的方法需要充足的光线,只能工作在视距内。本文基于USRP设计了不需携带额外设备(device-free)的动作识别方法。本文通过在USRP上实现了802.11n协议的收发部分,通过采集带有用户动作信息的WiFi数据包,并进行解析出路,提取特征信息并进行分类识别。本实验在实验场景下进行实验,分别取得了 92.3%平均识别率。最后跟基于 RSSI 和肌电信号的方法进行对比,印证了我们可以利用 CSI 来进行手势识别的可行性和有效性。
参考文献:
[1] 徐光祐, 陶霖密, 史元春,等. 普适计算模式下的人机交互[J]. 计算机学报, 2007, 30(7):1041-1053.
[2] 俞啸, 刘晓文, 刘忠育,等. 基于WIFI的井下多媒体环境感知节点设计[J]. 计算机测量与控制, 2012, 20(9).
[3] 肖玲. 无线体域网中人体动作监测与识别若干方法研究[D]. 湖南大学, 2014.
[4] 邓晓华. 基于CSI的被动式室内定位与目标计数方法研究[D]. 杭州电子科技大学, 2014.
[5] 赵琼. 基于视频和三维动作捕捉数据的人体动作识别方法的研究[D]. 中国科学技术大学, 2013.
[6] 张旭. 基于表面肌电信号的人体动作识别与交互[D]. 中国科学技术大学, 2010.
[7] 金旗, 裴昌幸, 张振生. OFDM技术的基本原理[J]. 通信技术, 2002(6):44-46.
[8] 张裕峰. 多径传播条件下的波达方向估计算法[D]. 中国科学技术大学, 2010.
[9] 王天宇. 频率调制多普勒全场测速技术研究及实验系统测试[D]. 中国计量学院, 2013.
[10] 王立乔, 胡长生, 刘兆燊,等. 载波相移SPWM技术传输带宽的研究[J]. 电力系统自动化, 2004, 28(9):49-52.
关键词:CSI;动作识别;802.11n;机器学习
1 引言
人体动作识别是进行人体行为理解和友好人机交互[1]的重要前提和关键组成部分。这些年来,随着网络与信息技术的迅速发展,人体动作的识别作为一种自然的人机交互方式,成为科研人员重点关注的对象,在智能家居、医疗康复领域、体感游戏等多种领域有极大的应用潜力。
WiFi数据包的CSI(无线信道状态信息)受其传播物理空间的影响,携带反映环境特征的信息。这里所说的环境是信号传播的物理空间,既包括人的因素(是否有人以及人的位置、特征、姿势、动作等),也包括其他外物的因素。基于CSI的动作识别算法是对WiFi数据包中CSI(无线信道状态信息)携带的人的动作信息进行预处理、特征提取和分类识别,识别出人的行为动作的一种识别算法。本文利用CSI信息进行人体动作的识别,详细地介绍了动作识别系统的设计和实现工作,系统主要包括3个部分:前台客户端模块,该模块是用户与系统的交互平台和动作识别结果的接收平台,用户在这里与系统进行交互并获取所需信息;后台管理模块,该模块主要是对系统后台信息进行管理,包括用户的个人信息管理,动作管理,即可识别动作的添加、删除和划分功能以及系统的日志信息查询;动作识别模块,该模块是系统的核心模块,用户采集到的动作信息会通过客户端传送给动作识别模块,动作识别模块对动作信息进行处理,提取动作特征信息,并与数据库中已有的动作信息进行匹配,并将匹配结果返回给客户端。本文最后对系统进行了功能测试和性能测试。
通过系统的测试,测试结果表明该识别系统能够准确而且快速地识别人的基本行为动作,在识别率方面,准确率达到92%;在系统响应时间上,识别一个用户动作的平均响应时间为2s。
2 系统模型
2.2.1系统整体架构设计
1)系统目标
本文研究的目标是提出利用WiFi数据包的CSI相位信息识别人的行为动作的可行性方案。系统的原理是利用用户对WiFi数据包中的CSI相位信息的干扰结果,反向识别出用户的行为动作。由于普通WIFI收发设备的自身晶振的差异性,会导致WiFi接收端的CSI相位信息发生频偏,以致无法获取到稳定的CSI信息。所以,本文选择在USRP(软件无线电设备)上实现802.11n协议,并通过GPSdo时钟源对USRP收发设备进行时钟同步,从而获取到比较稳定的CSI相位信息。所以,本文选取利用USRP设备进行数据的发送和采集工作。基于系统易用性的考虑,本文选择在Windows平台上完成系统的设计相关工作。
通过对人机交互领域人体动作识别的需求分析,系统的总体目标是完成基于CSI的动作识别系统的设计与实现工作。
2)系统功能结构设计
基于CSI的动作识别系统的功能模块划分如图1所示。该系统主要是作为PC客户端与用户进行交互的,其最终目标是用户成功登陆后,进行动作信息采集并进行行为动作的识别。因此本文在进行系统设计时会重点考虑客户端的应用及其相关功能,系统功能模块主要分为前端应用模块和后台管理模块。前台客户端模块主要包括注册登录功能模块、查询可识别动作模块、动作信息采集模块、动作识别模块和动作验证模块,后台管理模块主要包括管理员登录模块、动作管理模块、用户信息管理模块和日志信息查询模块。
3)系统物理结构设计
基于CSI的动作识别系统采用传统的C/S网络结构模式,系统的物理结构设计如图2所示。运行于Windows平台的动作识别系统应用作为前台客户端(Client),用于完成与用户的交互操作。用户通过使用PC终端设备完成与服务器的通信,由服务器处理对用户的采集动作信息、识别、登陆等等操作进行具体的处理,完成与数据库服务器的数据交互,然后通过动作识别模型分析CSI数据,进行动作识别,将识别结果返回给客户端。
系统的物理结构包括两台PC机,两台USRP(软件无线电设备)以及一台GPSdo时钟源,PC机通过UHD驱动控制USRP收发WiFi数据包。由于不同设备之间的差异性,需要用GPSdo时钟源同步两台USRP设备上的时钟,从而消除CSI相位信息上的频率偏移,获取静态环境下稳定的CSI信息。
3 算法设计
在无线通信中,Channel StateInformation(CSI),即信道状态信息,是一个在子载波尺度上物理层的信息,指的是一條通信链路的信道属性。这个信息描述了信号是如何从发射端经过空气传播到接收端的,反映了信号在每条传输路径上的衰弱因子,比如信号散射、环境衰弱、功率随距离衰减等。因此,CSI有助于我们研究手势对信号传播的影响,从而分析手势信号特征,识别出手势动作。 通常测量无线信道状态信息CSI需要专业的信道测量仪器。华盛顿大学的 Daniel Halperin 等人在2010年SIGCOMM大会上提供了一个通过修改固件来获取CSI 的方法。利用这个方法,我们可以在普通的无线网卡上也能采集的CSI数据。
根据图 3,我们可以知道在一个窄带平坦性衰落的信道里,OFDM系统在频域内可以建模如下:
其中 X 是发送信号(Transmitter)向量,Y 是接收信号(Receiver)向量。H 是信道增益矩阵(Channel Matrix)。N 就是噪声(Noise)向量,通常加的是高斯白噪声(Gaussian White Noise)向量。根据上式(3-1),H 的值可以表示为:
从每个接收数据包得到的无线信道状态信息 CSI 代表了一个 OFDM 系统的子载(Subcarrier)的振幅(Amplitude)和相位(Phase),定义为:
其中 H(i)表示第 i 个子载波的无线信道状态信息 CSI的值,|H(i)|表示第 i 个子载波的振幅,H(i)示第i个子载波的相位。一组无线信道状态信息 CSI是以子载波频差为频率采样间隔的。通过 Daniel Halperin 的方法,我们在普通商用的 WiFi 设备上可以得到 30 个正交频分复用系统子载波的采样值。Jiang Xiao等研究人员经过研究发现,相比 RSSI(Received Signal Strength Indicator,即接收信号强度指示),CSI 描述了多径传播的特性。虽说 RSSI 的值反映了信道的质量情况,可以代入线信号传播模型估算信号传播距离,或通过分析 RSSI 的波动判断是否有物体阻挡无线链路,但是 RSSI 会因多径传播引起的阴影衰落而不再遵循随距离增加而单调减小的规律,导致结果精度不高。归根到底,RSSI 只是多径叠加的总幅度的反映。说得通俗点,RSSI 就好比是一束太阳光,CSI 就是经过正交频分复用这面棱镜出来的单色光。每个无线信道状态信息 CSI 都反映了不同频率的信号经过多径传播后的振幅和相位。因此,CSI 是一个物理层的更细粒度的信息,从子载波层面上述信道状态信息,不但可以测量子载波的幅度,而且可以测量子载波相位。更进一步地我们可以从 CSI 中提取出有代表性的特征,从时域和频域上分析更为细微的环境信息,比如更为精确的室内定位、测距、人体活动识别(如上/下楼梯、走路、洗碗、洗澡、学习、吃饭等),可以用来进行唇语的识别。
4 性能分析
为了验证本文基于CSI的动作识别方法的有效性和可行性,本文跟基于RSSI的动作识别方法和基于肌电信号的动作识别方法进行对比,如图4。SSI的动作识别方法的平均识别率是82.5%,基于肌电信号的动作识别方法的平均识别率是85.3%,而基于CSI的动作识别方法的识别率达到了92.3%,高于其他两种动作识别方法。因为CSI是物理层子载波尺度上的无线信道状态信息,拥有更稳定和更细粒度的信道信息,有助于提高动作识别率。
5 结束语
通过分析动作識别技术在自然人机交互领域的研究现状,并查阅大量的国内外文献资料,对基于CSI的动作识别方法进行了深入研究。本文提出了一种动作识别的研究方案,并设计了具体的动作识别算法,开发出了一套基于CSI的动作识别系统。主要工作包括以下几个方面:
1)详细阐述了开展课题研究的背景和意义以及国内外研究现状,介绍了课题主要研究内容,并给出总体研究方案。
2)设计实现了基于CSI的动作识别系统,该系统主要分为前台客户端模块、后台管理模块和动作识别模块。前台客户单模块主要功能是用户的注册登录、动作信息采集、动作识别和可识别动作查看;后台管理模块主要工作是对系统的可识别动作、用户信息进行管理以及对查看系统日志信息,分析系统运转情况;动作识别模块的主要工作是将用户采集到的动作信息进行分析处理以及分类识别,将识别结果返回给客户端。
4)根据本文对基于CSI的动作识别系统进行的功能性测试和性能测试。系统满足设计目标,而且具有一定的高可用性和良好的可交互性。
动作识别是人机交互技术研究中非常关键的一个部分。目前的研究方法都有一定的局限性。基于视觉的方法需要充足的光线,只能工作在视距内。本文基于USRP设计了不需携带额外设备(device-free)的动作识别方法。本文通过在USRP上实现了802.11n协议的收发部分,通过采集带有用户动作信息的WiFi数据包,并进行解析出路,提取特征信息并进行分类识别。本实验在实验场景下进行实验,分别取得了 92.3%平均识别率。最后跟基于 RSSI 和肌电信号的方法进行对比,印证了我们可以利用 CSI 来进行手势识别的可行性和有效性。
参考文献:
[1] 徐光祐, 陶霖密, 史元春,等. 普适计算模式下的人机交互[J]. 计算机学报, 2007, 30(7):1041-1053.
[2] 俞啸, 刘晓文, 刘忠育,等. 基于WIFI的井下多媒体环境感知节点设计[J]. 计算机测量与控制, 2012, 20(9).
[3] 肖玲. 无线体域网中人体动作监测与识别若干方法研究[D]. 湖南大学, 2014.
[4] 邓晓华. 基于CSI的被动式室内定位与目标计数方法研究[D]. 杭州电子科技大学, 2014.
[5] 赵琼. 基于视频和三维动作捕捉数据的人体动作识别方法的研究[D]. 中国科学技术大学, 2013.
[6] 张旭. 基于表面肌电信号的人体动作识别与交互[D]. 中国科学技术大学, 2010.
[7] 金旗, 裴昌幸, 张振生. OFDM技术的基本原理[J]. 通信技术, 2002(6):44-46.
[8] 张裕峰. 多径传播条件下的波达方向估计算法[D]. 中国科学技术大学, 2010.
[9] 王天宇. 频率调制多普勒全场测速技术研究及实验系统测试[D]. 中国计量学院, 2013.
[10] 王立乔, 胡长生, 刘兆燊,等. 载波相移SPWM技术传输带宽的研究[J]. 电力系统自动化, 2004, 28(9):49-52.