一種無監督人體檢測與定位的方法
【專利摘要】本發明涉及一種無監督人體檢測與定位方法，發送機發送信號，信號經過監測區域，由接收機接收；實時采集信道狀態信息數據，對滑動時間窗口內所有數據的子載波振幅求平均值，獲取一個包含所有子載波振幅均值的向量，將其作為信號特征；從滑動窗口中提取檢測信號的信號特征，計算檢測信號特征與靜態標準信號特征的相關性，如果每根接收機天線上的相關性大于設定的閾值，表示有人體出現在監測區域，對人體位置進行定位，否則繼續對監測區域進行信號檢測；讀取定位模型參數文件中的參數信息，然后計算檢測信號特征在各個可定位位置處的概率，最大概率相關的位置即為人體最有可能位于的地方。
【專利說明】一種無監督人體檢測與定位的方法
【技術領域】
[0001] 本發明涉及無線定位技術，尤其涉及一種無監督人體檢測和定位的方法。
【背景技術】
[0002] 隨著WLAN技術的迅速發展，無線WLAN設備被大量部署到人們活動頻繁的地方。基 于WLAN的定位系統順勢得到了快速發展，大量可靠、穩定地室內無線定位系統涌入市場。 無線WLAN定位系統中包括重要的一支系統：無線被動人體檢測與定位。無線被動人體檢測 與定位是指利用無線技術來檢測、定位、跟蹤非合作人員在監控區域內的活動。非合作人員 被定義為不攜帶定位電子設備、不主動參與定位數據采集活動的人。同樣，非合作人員通常 情況下是不知道被動檢測與定位系統的存在。對比主動定位系統，被動檢測與定位同樣具 有普適性，在安全防衛領域具有巨大的應用潛力，如入侵檢測、資產保護、智能看護等。
[0003] 在無線被動人體檢測與定位系統發展早期，大部分系統都是通過分析信號強度信 息（RSSI)變化來實現對人體檢測和定位。早期的無線被動人體檢測與定位多是利用無線 傳感器設備實現，通過部署大量地傳感器節點，提高監控區域的無線信號密度，達到對人體 出現的檢測和定位。隨著WiFi設備的出現，遠距離、大范圍無線通信成為可能，無線被動人 體檢測與定位系統則利用信號指紋技術來實現大范圍人體檢測與定位。該類系統包括兩部 分：離線狀態下，訓練采集監控區域內不同位置處人體存在時信號指紋信息存入指紋數據 庫；在線狀態下，一旦檢測人體出現，則利用模式匹配或者機器學習的方法匹對檢測信號與 指紋信號相似度來估計人體位置。然而在室內環境下，復雜的信號多徑衰減與時域動態變 化問題導致RSSI值多變莫測，即使在靜態環境下其值的波動也能達到5dB。RSSI的不穩定 性限制了被動人體檢測與定位系統精度的提高。
[0004] 當正交頻分復用系統（0FDM)出現后，多載波信道狀態信息引起了眾多學者關注。 信道狀態信息（CSI)是一種細粒度的無線信號特征，它包含了不同頻率上信號的振幅與相 位信息，在一定程度上能夠描述室內多徑特征。目前在802. lla/g/n標準下，信道狀態信息 可以從0FDM接收機上獲取。作為一種優于RSSI的信號特征，基于CSI的被動人體檢測與 定位已經吸引了大量學者進行研究，并取得了一些成果。與基于RSSI被動人體檢測與定位 系統相似，目前已開發的基于CSI的被動人體檢測與定位系統或是依賴部署大量接收機與 發射機或是需要大量地現場指紋采集工作。大量設備的部署一定程度上限制了系統的應用 范圍，比如在家居環境中通常僅包含少量的，甚至單一通信鏈路。同樣，大量地現場指紋采 集工作無疑增加了系統部署開銷。
【發明內容】
[0005] 本發明目的在于提供一種無監督人體檢測和定位的方法，降低人體檢測與定位的 部署設備，有效增強人體檢測與定位的應用性。
[0006] 實現本發明目的的技術方案：
[0007] -種無監督人體檢測與定位方法，發送機發送信號，信號經過監測區域，由接收機 接收，其特征在于：
[0008] 步驟1 :實時采集信道狀態信息數據，對滑動時間窗口內所有數據的子載波振幅 求平均值，獲取一個包含所有子載波振幅均值的向量，將其作為信號特征；
[0009] 步驟2 :從滑動窗口中提取檢測信號的信號特征，計算檢測信號特征與靜態標準 信號特征的相關性，如果每根接收機天線上的相關性大于設定的閾值，表示有人體出現在 監測區域，則進入步驟3,對人體位置進行定位，否則繼續對監測區域進行信號檢測；
[0010] 步驟3:讀取定位模型參數文件中的參數信息，然后計算檢測信號特征在各個可 定位位置處的概率，最大概率相關的位置即為人體最有可能位于的地方。
[0011] 步驟2中，所說靜態標準信號特征是監控區域內無人存在情況下的信號特征，靜 態標準信號特征通過系統學習獲得；對于靜態標準信號特征，所有在滑動時間窗口內的數 據包中的信號特征的自相關系數均小于設定閾值。
[0012] 步驟2中，檢測信號特征Η與靜態標準信號特征HnOT的相關性，計算公式如下：
[0013]
【權利要求】
1. 一種無監督人體檢測與定位方法，發送機發送信號，信號經過監測區域，由接收機接 收，其特征在于 ： 步驟1 :實時采集信道狀態信息數據，對滑動時間窗口內所有數據的子載波振幅求平 均值，獲取一個包含所有子載波振幅均值的向量，將其作為信號特征； 步驟2 :從滑動窗口中提取檢測信號的信號特征，計算檢測信號特征與靜態標準信號 特征的相關性，如果每根接收機天線上的相關性大于設定的閾值，表示有人體出現在監測 區域，則進入步驟3,對人體位置進行定位，否則繼續對監測區域進行信號檢測； 步驟3:讀取定位模型參數文件中的參數信息，然后計算檢測信號特征在各個可定位 位置處的概率，最大概率相關的位置即為人體最有可能位于的地方。
2. 根據權利要求1所述的無監督人體檢測與定位方法，其特征在于：步驟2中，所說靜 態標準信號特征是監控區域內無人存在情況下的信號特征，靜態標準信號特征通過系統學 習獲得；對于靜態標準信號特征，所有在滑動時間窗口內的數據包中的信號特征的自相關 系數均小于設定閾值。
3. 根據權利要求2所述的無監督人體檢測與定位方法，其特征在于：步驟2中，檢測信 號特征Η與靜態標準信號特征HnOT的相關性，計算公式如下： C = _ 凡.) οι 根據權利要求 3 所述的無監督人體檢測與定位方法，其特征在于 ：步驟 3 中， 定位模 型參數文件中的參數信息為每個位置、每根接收機天線上檢測信號與靜態標準信號特征的 歐式距離的均值μ與標準差σ，接收機天線上檢測信號特征與靜態標準信號特征的歐式 距離值滿足高斯分布。
5. 根據權利要求4所述的無監督人體檢測與定位方法，其特征在于：步驟3中，計算檢 測信號特征在各個可定位位置處的概率，其計算公式如下： P(H\L) = f\ | J- exp(-)dx k=ii〇^ak Ισι 其中n為接收機天線個數。
6. 根據權利要求5所述的無監督人體檢測與定位方法，其特征在于：步驟3中，定位模 型參數文件通過如下方法生成， 首先，利用包含人體在可定位位置狀況下的離線數據，將各個位置特征數據聚類成簇， 所說位置特征數據是指所有接收機天線上檢測信號特征與靜態標準信號特征的歐式距離， 其維度大小與接收機天線個數相同； 然后，利用位置區分原則識別各個可定位的位置； 最后，計算各個位置特征數據在每個維度上的均值與標準差，將其與位置關聯后存入 文件中。
7. 根據權利要求6所述的無監督人體檢測與定位方法，其特征在于：可定位位置包括 靠近視距路徑的位置、視距路徑上靠近接收機的位置、視距路徑上靠近發射機的位置、視距 路徑中部位置。
8.根據權利要求7所述的無監督人體檢測與定位方法，其特征在于：位置區分原則為， 當人體位于靠近視距路徑時，每根天線的信號特征與靜態標準信號特征的歐式距離較小， 而不同天線間的信號特征與靜態標準信號特征的歐式距離相差較??；當人體位于視距路徑 上靠近發射機一端時，每根天線的信號特征與靜態標準信號特征的歐式距離較大，而不同 天線間的信號特征與靜態標準信號特征的歐式距離相差較?。划斎梭w位于視距路徑上靠近 接收機一端時，某根天線的信號特征與靜態標準信號特征的歐式距離較大，且不同天線間 的信號特征與靜態標準信號特征的歐式距離相差較大；當人體位于視距路徑中部時，各個 接收機天線上的信號特征與標準靜態信號特征的歐式距離相比人體在發射機附近的要小， 且這些歐式距離之間的差異性相比人體在接收機附近的要小。
【文檔編號】G01S1/02GK104267439SQ201410409808
【公開日】2015年1月7日 申請日期:2014年8月20日 優先權日:2014年8月20日
【發明者】楊武, 宮良一, 王巍, 苘大鵬, 玄世昌, 申國偉 申請人:哈爾濱工程大學
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
