基于通感一体化路由的人体感知方法、装置、设备及介质与流程

本发明涉及无线信号行为识别，具体涉及基于通感一体化路由的人体感知方法、装置、设备及介质。

背景技术：

1、随着通信和感知技术的发展，基于非接触式的感知人体动作的系统，衍生出了wifi、红外、射频识别、计算机视觉等感知技术。wifi感知技术由于其普适性、有效性和低成本等优势，利用通感一体化的技术实现人体动作识别成为了研究热点。

2、现阶段无线感知由专门的传感器设备实现，而通信设备中的信息传递，与感知无明显交集。传统的感知设备存在体积偏大，能耗高等问题，并且其他通信感知设备也存在携带不便等问题，而wifi路由器搭载感知设备具有易布署等优点，通过无线通信实现人体感知。现阶段wifi信号识别主要是依靠rssi(received signal strength indicator，接收信号强度指示)，但rssi极易受环境噪声和多径效应影响，从而导致信号不稳定和不准确。

3、有鉴于此，提出本技术。

技术实现思路

1、有鉴于此，本发明的目的在于提供基于通感一体化路由的人体感知方法、装置、设备及介质，能够有效解决现有技术中的wifi路由器搭载感知设备的识别主要是依靠rssi，但rssi极易受环境噪声和多径效应影响，从而导致信号不稳定和不准确的问题。

2、本发明公开了基于通感一体化路由的人体感知方法，包括：

3、将通感一体化路由器调至监听模式，对目标设备进行监测，获取所述目标设备的csi数据文件，并将所述csi数据文件进行储存，同时将所述csi数据文件上传到云端服务器；

4、将所述通感一体化路由器放置在预设的wifi信号收发感知区域内，分别采集多个检测者的预设母动作的pcap文件组，并进行分别标签分类，生成csi数据训练集和csi数据测试集，上传至所述云端服务器；

5、将所述所述csi数据文件在根据ieee 802.11协议在预设宽带下，采用由128个子载波通过ofdm调制而成的信号进行传输，其中，所述128个子载波中包含14个空子载波和6个先导子载波；

6、将所述csi数据训练集进行lda降维处理，生成出现在所述csi数据训练集标签中的异常值，并通过dbscan算法对所述csi数据训练集的异常值进行聚类处理；

7、将dbscan算法聚类处理后的所述csi数据训练集输入到svm中进行训练，对所述csi数据测试集进行预测，根据预先保存的协方差矩阵降维成两个特征值，生成识别结果。

8、优选地，将通感一体化路由器调至监听模式，对目标设备进行监测，获取所述目标设备的csi数据文件，并将所述csi数据文件进行储存，同时将所述csi数据文件上传到服务器，具体为：

9、运行脚本文件，将所述通感一体化路由器作为接收机，并建立tcp通信链接；

10、所述通感一体化路由器对目标设备进行监测，从所述目标设备的wifi帧的前导段中获取ltf，生成所述csi数据文件，其中，所述通感一体化路由器由传统路由器和采集mcu模块组成，所述采集mcu模块配置为采集csi数据包。

11、优选地，所述通感一体化路由器对目标设备进行监测，从所述目标设备的wifi帧的前导段中获取ltf，生成所述csi数据文件，具体为：

12、在所述采集mcu模块上安装可以采集wifi帧的插件，以修改所述采集mcu模块的固件，使得所述采集mcu模块具备wifi监听功能；

13、所述采集mcu通过物理层采集目标mac地址的wifi帧，并从物理层复制该wifi帧至ram；

14、所述采集mcu从wifi帧的前导段中的ltf提取csi,通过安装tcpdump和libpcap将csi以udp报文形式发送到主mcu，以获取csi数据包，生成所述csi数据文件。

15、优选地，将所述通感一体化路由器放置在预设的wifi信号收发感知区域内，分别采集多个检测者的预设母动作的pcap文件组，并进行分别标签分类，生成csi数据训练集和csi数据测试集，上传至所述云端服务器，具体为：

16、将所述通感一体化路由器放置在预设的wifi信号收发感知区域内，分别采集多个检测者的站、坐、蹲、躺预设母动作的pcap文件组；

17、其中，所述wifi信号收发感知区域为菲涅尔区域，所述菲涅尔区域是一个以发射器和接收器是焦点一个椭圆区域，第n个菲涅耳区的边界定义为

18、

19、其中，λ为m1对m2发射无线电信号的波长，pn为第n个菲涅尔区域边界点，tx作为发射端，rx作为接收端，wifi收发器的信号传输过程集中在8-12个菲涅耳区，超过70％的射频能量通过第一菲涅尔区域传播，人类活动会造成信号传输的路径差δd的公式为

20、

21、其中，o为第一菲涅尔椭圆区域圆心，p1和p2分别为该区域左右端点，q1为该椭圆区域长直径|p1op2|的垂线与区域边界的交点，d1为左端点p1到圆心o距离即|p1o|，d2为右端点p2到圆心o距离即|op2|，□为交点q1到圆心o距离即|q1o|。

22、优选地，将所述所述csi数据文件在根据ieee 802.11协议在预设宽带下，采用由128个子载波通过ofdm调制而成的信号进行传输，具体为：

23、滤除所述14个空子载波和所述6个先导子载波，并将csi幅值波形通过hampel滤波器滤除毛刺点；

24、将剩余的108个子载波组成的csi幅值图像，使用拉格朗日插值对所述csi幅值图像进行抖动处理，并使用pca滤波器对所述csi幅值图像进行降维处理；

25、其中，所述拉格朗日插值公式为

26、

27、

28、其中，li(x)为拉格朗日基本多项式，x为存在抖动子载波索引，xi和xj为构造拉格朗日基本多项式的已知子载波索引(i≠j)，yi为构造拉格朗日多项式已知子载波幅值。

29、优选地，将所述csi数据训练集进行lda降维处理，生成出现在所述csi数据训练集标签中的异常值，并通过dbscan算法对所述csi数据训练集的异常值进行聚类处理，具体为：

30、计算所述csi数据训练集的方差贡献率，剩余的108个子载波被降维后的两个主要特征替代，以储存所述csi数据训练集的降维矩阵用于对所述csi数据测试集降维；

31、采用所述dbscan算法将所述csi数据训练集中密度相连的点组成一个簇，对所述簇中的异常值进行聚类处理，其中，密度较低的区域视为噪声或异常点。

32、优选地，将dbscan算法聚类处理后的所述csi数据训练集输入到svm中进行训练，对所述csi数据测试集进行预测，根据预先保存的协方差矩阵降维成两个特征值，生成识别结果，具体为：

33、将经过dbscan算法标签后的所述csi数据训练集传输給机器学习算法svm进行学习，以解决分类和回归问题；

34、调用训练好的svm对所述csi数据测试集进行预测，利用线性核函数将输入数据映射到更高维度上，通过计算两个输入向量的内积维持不变的计算算力，生成识别结果。

35、本发明还公开了基于通感一体化路由的人体感知装置，包括：

36、数据获取单元，用于将通感一体化路由器调至监听模式，对目标设备进行监测，获取所述目标设备的csi数据文件，并将所述csi数据文件进行储存，同时将所述csi数据文件上传到云端服务器；

37、数据分类单元，用于将所述通感一体化路由器放置在预设的wifi信号收发感知区域内，分别采集多个检测者的预设母动作的pcap文件组，并进行分别标签分类，生成csi数据训练集和csi数据测试集，上传至所述云端服务器；

38、数据传输单元，用于将所述所述csi数据文件在根据ieee 802.11协议在预设宽带下，采用由128个子载波通过ofdm调制而成的信号进行传输，其中，所述128个子载波中包含14个空子载波和6个先导子载波；

39、数据降维单元，用于将所述csi数据训练集进行lda降维处理，生成出现在所述csi数据训练集标签中的异常值，并通过dbscan算法对所述csi数据训练集的异常值进行聚类处理；

40、结果生成单元，用于将dbscan算法聚类处理后的所述csi数据训练集输入到svm中进行训练，对所述csi数据测试集进行预测，根据预先保存的协方差矩阵降维成两个特征值，生成识别结果。

41、本发明还公开了基于通感一体化路由的人体感知设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的基于通感一体化路由的人体感知方法。

42、本发明还公开了可读存储介质，存储有计算机程序，所述计算机程序能够被该存储介质所在设备的处理器执行，以实现如上任意一项所述的基于通感一体化路由的人体感知方法。

43、综上所述，本实施例提供的基于通感一体化路由的人体感知方法、装置、设备及介质，搭建通信感知环境；在感知区域内采集不同动作的csi，将采集csi数据集分为测试集和训练集；对采集csi进行预处理；对预处理的训练集进行优化，剔除失效数据流；将优化后的训练集交于svm进行训练，并用于预测测试集。从而解决现有技术中的wifi路由器搭载感知设备的识别主要是依靠rssi，但rssi极易受环境噪声和多径效应影响，从而导致信号不稳定和不准确的问题。