复用基站蜂窝信号的用户识别和计数方法与流程

本发明涉及一种复用基站蜂窝信号的用户识别和计数方法，属于智能感知技术领域。

背景技术：

用户的智能感知是提供智能空间服务的基础。用户识别和计数是用户智能感知的核心问题，可广泛用于考勤、流量和访客分析等应用场景。以商店场景为例，管理用户期望获得工作用户的考勤时间和每天客流量等信息，从而有效调整运营。

现有的用户识别和计数方案可分为基于设备、视觉和环境部署等三类：(1)第一类：基于设备类，需要用户携带认证设备如rfid，并主动交互完成身份识别和计数；(2)第二类：基于视觉类，通过处理视频流进行用户识别和计数，但受光照条件等制约且存在隐私问题；(3)第三类：基于环境部署类，比如在入口处部署红外传感器能实现用户计数但难以进行用户识别。

无线感知属于新型环境部署类，以射频信号为媒介实现被动、非携带的用户识别与计数。但是现有无线感知方案存在以下局限：(1)需要一对或多对部署在特定位置的信号发送器和接收器；(2)用于感知的射频信号必须独占信道，即在该信道上不能有其他设备的数据传输；(3)部分方案要求用户沿指定路径行走或要求用户在指定的位置上完成某些动作。

由此，尚需要一种与数据通信兼容的智能空间感知技术，即通过复用移动通信基站发出的蜂窝信号实现被动、非携带式用户进出特定空间的身份识别和计数系统，本发明面临着两项独特挑战：(1)蜂窝基站发送的蜂窝信号完全脱离的控制，并且信号序列中交织着不可预测的用户数据流量，导致蜂窝信号并不具备现有无线感知所需的良周期性；并且信号传播方向随目标空间而异；(2)本发明对于用户行为没有限制，用户在能够影响信号接收的区域内停留时间短，导致受用户影响的接收信号序列数据量少。

技术实现要素：

针对现有技术存在的上述缺陷，本发明提出了一种复用基站蜂窝信号的用户识别和计数方法。

本发明所述的复用基站蜂窝信号的用户识别和计数方法，包括如下步骤：

s1：接收蜂窝信号并输出降采样序列：在特定目标空间部署由单个蜂窝信号接收器，复用通信运营商部署的蜂窝基站发出的蜂窝信号，并输出降采样序列；

s2：切割受用户影响的信号序列：通过时频域分析切割出代表用户进出目标空间行为的信号序列，包括如下小步：

s21：通过对接收到的降采样序列进行傅里叶分析，得到每个用户的进出行为的基础频率，并将基础频率作为信号序列量化依据；

s22：采用短时傅立叶变换分析基础频率的幅值变化来切割每个用户的进出行为，得到用户进出的基础频率幅值变化序列；

s23：采用高斯滤波器对基础频率幅值变化序列进行降噪，得到基本频率幅值变化曲线，并通过计算基础频率幅值曲线的导数得到导数曲线，其中每一对极大值和极小值对应的滑动窗口分别记录为用户接近和离开信号影响范围的滑动窗口；

d(p-d)＝f(p)-f(p-d)(1)

s24：对于确定的用户接近和离开信号影响范围的滑动窗口，采用能量累积的判断方法确定时刻：对于开始时刻和结束时刻，沿时间轴累积能量，直到累积能量分别超过整个滑动窗口能量的80％和20％；

s3：用户进出方向判断：通过检测受用户影响的接收信号序列的基础频率幅值曲线的峰值前后到相应谷值的时间差进行用户进出方向判断，包括如下小步：

s31：取基础频率幅值曲线的峰值所在时刻为t2，前后谷值的时刻为t1和t3；

s32：取任一指定方向为标定方向，记标定方向信号序列的三个对应峰谷时刻为

s33：用户进出方向采用下式进行判断：

s4：特征提取与分类：计算切割后的信号序列低频分量作为特征用于用户识别，应用傅立叶变换和小波变换提取表征用户体态的低频特征，包括如下小步：

s41：使用傅立叶变换计算低频系数；

s42：基于步行速度区间并且四肢速度高于躯干，应用离散小波变换将信号序列分解为若干层，采用近似系数表征躯干运动对接收信号的影响，采用详细系数表征肢体运动影响；

s43：将上述特征组合为多维向量送入支持向量机分类器，为每个用户配置使用径向基函数核的二分类支持向量机，将自己的信号序列作为正样本，其他用户的信号序列作为负样本；

s5：用户识别和计数：直接使用待认证用户的分类器进行身份判断，将新分割出的信号序列送入所有用户的分类器，将最大返回值对应的身份识别为用户身份。

优选地，所述步骤s22中，在开展短时傅立叶分析前按照人类的行走统计特征设置滑动窗口的长度和步长，参数设定如下：

用户的步行速度分布为(0.6,1.4)m/s，步长平均为0.7m；

滑动窗口长度设为512，用于捕获用户经过接收器的大致连续两步对应的信号序列；

蜂窝信号降采样序列200hz，频率分辨率为0.4hz；

滑动步长设置为8，对应于0.04s，使得连续进入的多名用户间的间距不少于3cm时，能将多用户对应的信号序列分开。

优选地，所述步骤s22中，取短时傅立叶变换的基础频率0.4hz作为用户进出影响的基本频率。

优选地，所述步骤s23中，幅值曲线的每个峰值代表一位用户进入，所对应的峰值时刻均在每位用户经过接收器的时段中间，每个峰值两边的谷值近似为用户经过接收器的起始时刻。

优选地，所述步骤s23中，由于采用的滑动窗口较宽，涵盖步行两步时间，因此基本频率幅值曲线上的导数最大点对应滑动窗口内的信号序列包含受用户影响和不受用户影响的部分应接近相等。

优选地，所述步骤s3中，用户受用户影响的接收信号序列呈近似对称趋势，信号序列不完全对称的原因在于用户行走方向大概率不能垂直于从蜂窝基站到接收器的传播路径，因此用户经过接收器前后对信号接收影响不完全相同，利用受影响序列的不对称性来进行用户进出方向判断。

本发明的有益效果是：

(1)本发明的使用单接收器复用蜂窝信号，实现与数据通信兼容、被动、非携带的用户识别和计数；

(2)本发明从研究用户行走对蜂窝信号传播的影响入手，构建用户行走影响接收信号的分析模型，为未来复用蜂窝信号进行用户感知提供了新的视角；

(3)本发明部署了原型系统，实验结果证实在用户计数、身份认证和身份识别上达到了高精度。

附图说明

图1是本发明的系统框架及处理流程图。

图2(a)是步骤s21中五位用户进入的蜂窝信号序列图。

图2(b)是步骤s22中短时傅立叶变化结果图。

图2(c)是步骤s23中0.4hz对应的幅值变化曲线和导数曲线图。

图2(d)是步骤s24中最后一人离开接收器所对应的信号序列滑动窗口图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术用户在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

如图1所示，本发明所述的复用基站蜂窝信号的用户识别和计数方法，包括如下步骤：

s1：接收蜂窝信号并输出降采样序列：在特定目标空间部署由单个蜂窝信号接收器构成的用户识别和计数系统，基于用户行走对蜂窝信号传播的影响从而构建用户行走影响接收信号的分析模型；单个蜂窝信号接收器复用通信运营商部署的蜂窝基站发出的蜂窝信号，并输出降采样序列；

s2：切割受用户影响的信号序列：通过时频域分析切割出代表用户进出目标空间行为的信号序列，包括如下小步：

s21：通过对接收到的降采样序列进行傅里叶分析，得到每个用户的进出行为的基础频率，并将基础频率作为信号序列量化依据；

s22：采用短时傅立叶变换分析基础频率的幅值变化来切割每个用户的进出行为，得到用户进出的基础频率幅值变化序列；

s23：采用高斯滤波器对基础频率幅值变化序列进行降噪，得到基本频率幅值变化曲线，并通过计算基础频率幅值曲线的导数得到导数曲线，其中每一对极大值和极小值对应的滑动窗口分别记录为用户接近和离开信号影响范围的滑动窗口；

d(p-d)＝f(p)-f(p-d)(1)

s24：对于确定的用户接近和离开信号影响范围的滑动窗口，采用能量累积的判断方法确定时刻：对于开始时刻和结束时刻，沿时间轴累积能量，直到累积能量分别超过整个滑动窗口能量的80％和20％；

s3：用户进出方向判断：通过检测受用户影响的接收信号序列的基础频率幅值曲线的峰值前后到相应谷值的时间差进行用户进出方向判断，包括如下小步：

s31：取基础频率幅值曲线的峰值所在时刻为t2，前后谷值的时刻为t1和t3；

s32：取任一指定方向为标定方向，记标定方向信号序列的三个对应峰谷时刻为

s33：用户进出方向采用下式进行判断：

s4：特征提取与分类：计算切割后的信号序列低频分量作为特征用于用户识别，应用傅立叶变换和小波变换提取表征用户体态的低频特征，包括如下小步：

s41：使用傅立叶变换计算低频系数；

s42：基于步行速度区间并且四肢速度高于躯干，应用离散小波变换将信号序列分解为若干层，采用近似系数表征躯干运动对接收信号的影响，采用详细系数表征肢体运动影响；

s43：将上述特征组合为多维向量送入支持向量机分类器，为每个用户配置使用径向基函数核的二分类支持向量机，将自己的信号序列作为正样本，其他用户的信号序列作为负样本；

s5：用户识别和计数：直接使用待认证用户的分类器进行身份判断，将新分割出的信号序列送入所有用户的分类器，将最大返回值对应的身份识别为用户身份。

本发明的的原型系统在包括室内和室外的4种典型应用场景进行了部署，收集了72位志愿者的8,000余次进出行为。实验结果证实了在用户计数、用户身份认证和用户识别等指标均达到了高准确率。

本发明提出与数据通信兼容的智能空间感知技术，通过复用移动通信基站发出的蜂窝信号实现被动、非携带式用户进出特定空间的身份识别和计数系统()。和现有无线感知方案中信号发送端和接收端均为可控不同，的挑战在于移动通信基站不受系统的控制，导致蜂窝信号并不具备现有无线感知技术所需的良周期性。针对上述挑战，本文从研究用户行走对蜂窝信号传播的影响入手，构建用户行走影响接收信号的分析模型。通过时频域分析切割出代表用户进出目标空间行为的信号序列，进而实现用户进出的方向检测和计数。针对切割出的受用户影响的信号序列，提取表征用户体态的低频特征，实现用户身份认证或身份识别。

需要说的是：现有基于无线信号的用户识别研究主要利用wi-fi或rfid反向散射信号实现被动、非携带的用户识别，可分为基于行走的用户识别和基于动作的用户识别。

其中：基于行走的识别技术分为基于统计特征和基于步态特征的用户识别。freesense对csi数据进行主成分分析并采用离散小波变换提取特征进行用户识别。wifi-id在csi数据中提取七个时域特征和四个频域特征。wifi-id和freesense都要求用户在收发器之间视距路径的垂直中线上行走5米以上。wfid从csi数据中提取载波幅度频率特征,要求用户沿着与收发器平行的路径行走2.4米。wiwho和wifiu从csi数据中提取步态特征。wiwho要求用户沿着与收发器平行的路径行走2-3米。wifiu要求用户在收发器之间视距路径的垂直中线上行走至少5.5米。

其中：基于动作的识别技术要求用户开展特定动作，通过捕获无线信号序列波动识别用户。au-id部署3*3的rfid标签阵列，使用rfid阅读器在用户敲门的同时获取反向散射信号的强度指标(rssi)序列，并将相位和rssi序列送入神经网络模型进行用户识别。

需要说的是：基于无线信号的用户计数技术分为室内区域内的用户计数和经过信号收发器的用户计数两类。为实现室内区域内的用户计数，fcc提出区域内用户数量与csi特征具有单调关系，使用grayverhulst模型进行计数。guo等根据csi序列的统计分布估计区域内用户数量和密度，使用半监督学习进行计数。r#利用附着在墙壁上的数十个rfid标签的反向散射信号来估计移动用户的轨迹并进行计数。为统计经过信号收发器的用户数，choi等提出基于两个脉冲雷达传感器的计数系统。door-monitor和wi-count分析两个wi-fi接收器所接收csi值的相位变化来计算通过wi-fi接收器的人数。现有基于无线信号的用户感知的主要问题为：(1)感知信道必须独占，无法兼容数据传输；(2)对于无线收发器的部署有一定要求；(3)部分研究要求用户沿着预定的路径行走较长距离。

实施例2：

下面针对具体步骤进行逐一说明：

本发明的步骤s1中，包含信号接收、切割、方向判断、特征提取和用户识别等五个功能模块，主要功能模块和处理流程举例参见图1。信号接收模块接收蜂窝信号并输出200hz的降采样序列，分割模块应用时频域分析实时检测并切割出用户进出对应的信号序列。方向判断模块使用切割后的信号序列完成用户进出方向判断。特征提取模块从切割后的信号序列提取低频特征，最后通过支持向量机进行用户身份认证或识别。

下面重点介绍用户进出对应的信号序列切割，分析不同方向和不同用户之间的信号序列差异性；并介绍从切割后的信号序列进行方向判断的方法以及提取用户识别的低频特征。

本发明的步骤s2中，切割受用户影响的信号序列：首先要解决的问题是从接收到的蜂窝信号序列中切割出和用户进出相关的信号序列。虽然观察实验指明用户进出能够在接收序列中表现出近似对称的特征，但是信号序列是在4位用户分别进出的情况下得到的。在实际中通常有多个用户相伴进出的行为，如图2(a)显示了5名志愿者在13秒内分为两组连续进入房间的接收信号序列。图2(a)上标定有接近和离开接收器的时刻。多用户连续进出房间为每个用户对应的信号序列切割提出了挑战。

用户进出信号分析模型得到的量化依据指出进出信号序列存在着基础频率，因此采用短时傅立叶变换分析基础频率的幅值变化来切割每个用户的进出行为。为了得到用户进出的基础频率幅值变化序列，在开展短时傅立叶分析前按照人类的行走统计特征设置滑动窗口的长度和步长。人类的步行速度主要分布为(0.6,1.4)m/s，步长平均约为0.7米，因此将滑动窗口长度设为512，用于捕获用户经过接收器的大致连续两步对应的信号序列。因为蜂窝信号下采样到200hz，所以频率分辨率约为0.4hz。滑动步长设置为8，对应于0.04秒，使得连续进入的多名用户间的间距不少于3厘米时，能将多用户对应的信号序列分开。

图2(b)显示了短时傅立叶变化的结果，该图中去掉了dc分量，仅显示0.4hz-4hz之间的视频谱。从图2(b)中的最低两个频率成分可看出幅值较大的部分可分为5段，对应5位用户经过接收器的时段。本文取短时傅立叶的基础频率(约0.4hz)作为用户进出影响的基本频率。使用高斯滤波器进行降噪，图2(c)显示图2(b)中的基础频率上的幅值变化曲线降噪后的结果。图2(c)中0.4hz对应的幅值曲线的每个峰值代表一位用户进入，所对应的五个时刻均在图2(a)的每位志愿者经过接收器的时段中间。每个峰值两边的谷值可近似为用户经过接收器的起始时刻，但由于使用长度为512的较宽滑动窗口，使谷值作为起始时刻必然存在提前和延后的问题。

为了确保基于切割出的信号序列进行方向判断和用户识别的准确率，进一步探究用户进出时接近和离开影响蜂窝信号接收的准确时刻。由于采用的滑动窗口较宽，涵盖步行两步时间，因此基本频率幅值曲线上的导数最大点对应滑动窗口内的信号序列包含受用户影响和不受用户影响的部分应接近相等。采用公式(1)计算基础频率幅值曲线的导数，图2(c)中的曲线和点分别描绘导数曲线和极值点。将每一对极大值和极小值对应的滑动窗口分别记录为用户接近和离开信号影响范围的滑动窗口。图2(c)中标记有接近和离开对应的滑动窗口。

d(p-d)＝f(p)-f(p-d)(1)

求取用户开始和结束影响信号接收的滑动窗口后，仍需要在滑动窗口内确定用户开始或结束影响信号接收的具体时刻。采取能量累积的判断方法确定时刻：对于开始时刻和结束时刻，沿时间轴累积能量，直到累积能量分别超过整个窗口能量的80％和20％。图2(d)显示图2(a)中最后一位用户离开信号影响范围对应的滑动窗口内求取的具体结束时刻，用黑色线进行标记。

本发明的步骤s3中，用户进出方向判断：虽然进出两种行为的信号序列间的距离分布存在差异性，但是也显示使用距离阈值度量有较大误差。用户受用户影响的接收信号序列呈近似对称趋势。信号序列不完全对称的原因在于用户行走方向大概率不能垂直于从蜂窝基站到接收器的传播路径。因此用户经过接收器前后对信号接收影响不完全相同。利用受影响序列的不对称性来进行用户进出方向判断。判断的方法为检测受用户影响的接收信号序列的基础频率幅值曲线的峰值前后到相应谷值的时间差。以对应第四位志愿者的0.4hz幅值曲线为例，峰值所在时刻为t2，前后谷值的时刻为t1和t3。为实现方向判断，在应用场景中第一次部署接收器后，部署者可按任一方向(比如进入)行进一次用于方向标定。记标定方向信号序列的3个对应峰谷时刻为用户进出方向采用公式(2)进行判断。

表1实验研究中10位志愿者的身材参数表

本发明的步骤s4中，特征提取与分类：由于距离度量用于用户识别的可行性，但是如果选取0.18作为距离阈值将导致某些用户的误判达10％左右。受分析模型提出的依据2启发，计算切割后的信号序列低频分量作为特征用于用户识别。考虑到信号序列长度且在(300,500)范围，计算前将每个信号序列重新采样为512。重采样信号序列后，应用傅立叶变换和小波变换提取低频特征。使用傅立叶变换计算前五个低频系数。根据步行速度区间为(0.6,1.4)m/s并且四肢速度高于躯干，应用离散小波变换将信号序列分解为七层，采用0-1.56hz的近似系数表征躯干运动对接收信号的影响，采用1.56-3.13hz和3.13-6.25hz的详细系数表征肢体运动影响。将上述特征组合为13维向量送入支持向量机分类器。为每个用户配置使用径向基函数核的二分类支持向量机，将自己的信号序列作为正样本，并将随机5位其他志愿者的信号序列作为负样本。

本发明的步骤s5中，用户识别和计数：对于身份认证应用，直接使用待认证用户的分类器进行身份判断。对于身份识别场景，将新分割出的信号序列送入所有用户的分类器，将最大返回值对应的身份识别为用户身份。

本文提出使用单个蜂窝接收器复用蜂窝信号，实现与通信兼容、被动、非携带的用户识别和计数。在建立用户行走影响蜂窝信号接收的分析模型后，通过时频域分析从接收信号序列中切割出受用户行走影响的信号序列，基于切割后的信号序列判断进出方向并完成计数，提取低频特征实现用户身份认证和识别。实验结果表明在进出方向判断、用户计数、用户身份认证和身份识别上均表现出优良性能。

本发明可广泛运用于智能感知场合，尤其适用于考勤、流量和访客分析等应用场合。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术用户而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。