一种增强型室内无源被动人体定位方法
【技术领域】
[0001] 本发明属于无线感知领域，具体涉及一种室内细粒度实时被动人体移动检测的增 强型室内无源被动人体定位方法。
【背景技术】
[0002] 设备无源被动检测是一项新兴方法，其可以对不携带相关电子产品的用户行为进 行检测。该方法在许多领域拥有这巨大的应用潜力，如安全防护、入侵检测、智能看护等等。 设备无源被动检测可以通过许多方法来实现，包括红外线、视频、无线电等。然而，基于红外 线的被动人体检测需要严格地依赖视距路径，因而并不适用于狭小而复杂的室内环境；基 于视频的被动人体检测性能受光线影响较严重，且视频检测很容易暴露个人隐私。相比之 下，无线电方法不仅可以穿越墙壁，而且能够实现全向范围被动人体移动检测，无隐私泄露 隐患。同时，随着WLAN方法的快速发展，基于无线信号的设备无源被动人体移动检测将具 有更大的普适性。
[0003] 早期的室内被动人体检测主要采用易于获取的信号强度（RSS)作为信号特征。 RSS是来自MAC层的信号特征，其反映了信号整体能量强度。基于RSS的被动人体移动检测 主要利用人体遮挡效应。由于人体包含大量水分，当人体遮挡通信链路时，信号经过人体时 发生巨大衰减，RSS值发生巨大变化。然而，在室内环境下，无线信号遭受增益性或者相消 性衰减，其导致RSS值不稳定。因而基于RSS的被动人体检测性能较弱，尤其是当人体位于 第一菲尼尔区外时。
[0004] 近些年来，随着WLAN和OFDM方法的快速发展，基于信道状态信息（channel state information，CSI)的无源被动无线人体移动检测被给予了极大的关注。相比于RSS，CSI 是一种细粒度的无线信号特征信息，其包含了信号的振幅与相位信息。过去研发的系统主 要是采用振幅信息，通过现场勘测或者聚类方法来实现被动人体移动检测。但是基于现场 勘测方法的被动人体移动检测性能受环境特征影响较大，当环境发生变化时，勘测数据便 失效，则需要重新勘测。而聚类算法需要大量的数据包，降低了人体移动检测的实时性。因 此，本发明提出利用消除随机误差的相位信息来实现轻量级、实时被动人体移动检测的方 法。该方法在在消除相位随机噪音的基础上获取可用相位信息。然后分别计算各个子载波 相位信息在滑动时间窗口内的变异系数，将其作为特征值。为了消除环境自身变化对于检 测阈值的影响，本发明提出了特征值短期平均变化率和长期平均变化率两种检测方法，通 过融合两种方法的结果能够准确判断人体移动事件。
【发明内容】
[0005] 本发明的目的在于提供一种利用从普通商业网卡上获取的信道状态信息来获取 信号相位信息，通过对滑动窗口内子载波相位值离散度的评估来实现对人体移动的增强型 室内无源被动人体定位方法。
[0006] 本发明的目的是这样实现的：
[0007] (1)数据采集：
[0008] 步骤Al :在内核态中，从网卡中获取信道状态信息；
[0009] 步骤A2:用户态读取物理层信道状态信息，获取频域相应信息，计算每个子载波 相位；
[0010] (2)数据处理：利用线性变换方法，将随机相位转换为可用相位；
[0011] ⑶特征值提取：
[0012] 步骤Cl :计算滑动时间窗口中子载波相位的均值与方差；
[0013] 步骤C2 :利用子载波相位的均值与方差计算其变异系数，将其作为检测特征值；
[0014] (4)人体移动检测：
[0015] 步骤Dl :计算当前滑动时间窗口的相位变异系数与前一刻窗口的相位变异系数 的短期平均变化率；
[0016] 步骤D2 :计算当前滑动时间窗口的相位变异系数与稳定状态下长时间窗口的相 位变异系数的长期平均变化率；
[0017] 步骤D3 :判断SVR与LVR是否在置信区间内，如果两个变量值超越了置信区间则 意味有人体出现在监控区域内，否则继续检测。
[0018] 本发明的有益效果在于：
[0019] 本发明提出一个室内细粒度实时被动人体移动检测方法，该方法可利用信道状态 信息中的相位信息来实现人体移动检测。本方法中采用了消除随机噪音的相位信息，可以 获得更加精确的检测性能。本发明的检测方法，其检测阈值与具体环境无关，避免了因环境 自身改变而需重新勘测的开销。这种方法计算量较小，实时性较高。
【附图说明】
[0020] 图1是本发明第一实施例提供的室内细粒度实时被动人体移动检测的总体流程 图。
[0021] 图2是本发明第二实施例提供的室内细粒度实时被动人体移动检测的具体示意 图。
【具体实施方式】
[0022] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描 述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便 于描述，附图中仅示出了与本发明相关的部分而非全部内容。
[0023] 本发明公开了一种室内细粒度实时被动人体移动检测方法。所述方法过程包括： 数据采集，即从商业无线网卡中采集信号信道状态信息，获取信道频域响应信息；数据处 理，即从频域响应信息中提取相位信息，利用线性变换方法获得可用的相位信息；特征值提 取，即计算滑动时间窗口内每个子载波相位的变异系数；人体移动检测，即基于相位变异系 数，计算特征值短期平均变化率和长期平均变化率等，当平均变化率均超出置信区间时则 意味有人体出现在监控区域内，否则继续监测。
[0024] 为实现上诉发明目的，本发明提供一种室内细粒度实时被动人体检测方法，该方 法实现包括以下阶段：
[0025] Al数据采集；
[0026] A2数据处理；
[0027] A3特征值提取；
[0028] A4人体移动检测。
[0029] 所述步骤Al中，其所述数据采集的步骤包括：
[0030] 步骤All :在内核态中，从网卡中获取信道状态信息；
[0031] 步骤A12 :用户态读取物理层信道状态信息，获取频域相应信息，计算子载波相 位。
[0032] 所述步骤A2中，其所述数据处理的步骤为：
[0033] 步骤A21 :利用线性变换方法，将随机相位转换为可用相位；
[0034] 所述步骤A3中，其所述特征提取的步骤为：
[0035] 步骤A31 :计算滑动时间窗口中子载波相位的均值与方差；
[0036] 步骤A32 :利用子载波相位的均值与方差计算其变异系数，将其作为检测特征值。
[0037] 所述步骤A4中，其所述的移动检测步骤为：
[0038] 步骤A41 :计算当前滑动时间窗口的相位变异系数与前一刻窗口的相位变异系数 的短期平均变化率，Short-term averaged Variance Ratio(SVR);
[0039] 步骤A42 :计算当前滑动时间窗口的相位变异系数与稳态状态下长时间窗口的相 位变异系数的长期平均变化率，Long-term averaged Variance Ratio(LVR);
[0040] 步骤A43 :判断SVR与LVR是否在置信区间内，如果两个变量值超越了置信区间则 意味有人体出现在监控区域内，否则继续检测。
[0041] 图1是本发明第一实施例提供的室内细粒度被动人体移动检测的总体流程图，该 方法详述如下：
[0042] 在步骤101，数据采集是指从商业无线网卡中获取信道状态信息，提取信道频率响 应信息中的相位信息。
[0043] 在无线传输过程中，无线通信可以被简单建模为：
[0044]
(i )
[0045] 这里t是时间，y是接收信号，X是发送信号，h是信道相应或者信道状态信息，通 常情况下其为一个复数，代表信号振幅与相位信息，z为高斯白噪音。在传统的室内环境 中，一个传输信号可以通过多径进行传播，并导致不同的传播长度、路径损失、不同的时延、 振幅衰减和相位偏移。而多径环境可以通过时间线性过滤器h(〇特征化，即信道脉冲响 应（Channel Impulse Response，CIR)：
[0046]
(2)
[0047] 其中，&1、Θ JP τ i分别代表第i个多径的振幅、相位和时延，i = 1，2, "·，Ν，Ν表 示多径数。
[0048] 在频率域中，OFDM系统在OFDM子载波粒度上提供信道频率响应（Channe 1 Frequency Response, CFR)：
[0049] H= {Η(1)，Η(2)，···，Η(Ν)} (3)
[0050] 其中N为子载波个数。每个子载波的CFR信息是一个复数值，每个子载波又被定 义为：
[0051] H(f) = |H(f) |exp(jsin( Z H(f))) (4)
[0052] 其中H(f)表示子载波的振幅响应，而Z H(f)表示子载波的相位响应。
[0053] 对于给定的一个带宽，CIR可以通过快速傅里叶变换转换成CFR :
[0054] H = FFT (h ( τ )) (5)
[0055] 尽管CIR与CFR在信道相应模型上是等价的。但是在人体检测与定位领域更加偏 向使用CFR作为信号特征。目前已可以从商业Intel 5300无线网卡上利用更新后的固件 提取具有30个子载波的CFR，并能以信道状态信息的形式提交到用户态进行程序处理。
[0056] 每一个子载