本發(fā)明涉及無線檢測領(lǐng)域，尤其涉及一種基于無線感知的濕度檢測的方法及系統(tǒng)。

背景技術(shù)：

近些年來無線網(wǎng)絡(luò)技術(shù)有了迅速的發(fā)展，人們嘗試著把它應(yīng)用到生活的方方面面。同時隨著時代的發(fā)展和生活的進步，人們越來越關(guān)注自身和大自然的關(guān)系。大氣濕度作為一種環(huán)境參數(shù)，強烈影響著自然經(jīng)濟，并且在各種環(huán)境過程中扮演者重要的作用。例如各種農(nóng)作物的生長都離不開合適的濕度。結(jié)合當(dāng)前熱點，利用無線感知技術(shù)進行大氣濕度監(jiān)測的研究，從而讓技術(shù)更好地服務(wù)于生活。

現(xiàn)有的濕度測量方法主要可以分為兩種。一是，查表法，常見的濕度計就是用的這種方法。大致原理如下：由于濕泡溫度計的感溫泡包著棉紗，棉紗的下端浸在水中，水的蒸發(fā)而使?jié)衽轀囟扔嫷臏囟仁緮?shù)總是低于干泡溫度計的溫度示數(shù)，而這一溫度差值跟水蒸發(fā)快慢（即當(dāng)時的相對濕度）有關(guān)．根據(jù)兩溫度計的讀數(shù)，從表或曲線上可查出空氣的相對濕度。二是，衰減法，基于電磁波在空氣中傳輸時會受到水蒸氣的影響而有所衰減的原理，通過測量發(fā)射端和接收端的RSSI (Received Signal Strength Indicator)，從而依據(jù)衰減程度來推測濕度的大小。

總結(jié)以上兩種方法。方法一，利用物理現(xiàn)象對濕度進行測量，人為的誤差較大。并且當(dāng)我們需要同時知道多處的濕度值時，這就需要放置多個濕度計，這樣成本就太高了。方法二，由于水蒸氣對信號傳輸?shù)挠绊懏吘馆^小。因此，在實際操作中需要對經(jīng)過長距離（長達幾公里）傳輸后的信號強度進行測量。在長距離下，增加了其它天氣因素，如雨、雪和霧等對信號影響的可能性，從而導(dǎo)致測量受限。再者，長距離本身就增加了測量的不便性。

技術(shù)實現(xiàn)要素：

為了克服上述所指的現(xiàn)有測量方法中的不足之處，本發(fā)明提供一種基于無線感知的濕度檢測的方法及系統(tǒng)。利用已被廣泛部署的無線信號發(fā)射裝置，例如商用路由器，在特定的布局中，通過收集到的CSI(Channel State Information 信道狀態(tài)信息)數(shù)據(jù)，使用一系列算法對數(shù)據(jù)進行分析，從而檢測出周圍環(huán)境的濕度信息。該方法有良好的現(xiàn)實基礎(chǔ)：無線網(wǎng)絡(luò)已被普遍部署。相對于以往的方法，減少了測量成本，提高了適用性。

本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：

一種基于無線感知的濕度檢測方法，包括如下步驟：

S1、無線接收端接收來自無線發(fā)射端的無線信號，并評估信道狀態(tài)信息；

S2、CSI數(shù)據(jù)特征提取，輸出目標(biāo)模式；

S3、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測周圍環(huán)境的濕度信息；

S4、反饋針對檢測結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)，進一步提升準(zhǔn)確性。

作為本發(fā)明的進一步改進：所述步驟S1評估信道狀態(tài)信息包括：

S11、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個空間流中的N個子載波的CSI值，M和N均為大于1的自然數(shù)；

S12、對每一空間流，求取在同一時間點上的T個連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

S13、利用數(shù)據(jù)過濾技術(shù)，對信道狀態(tài)信息進行過濾處理，以減少周圍環(huán)境中因物體的移動而造成的對信道狀態(tài)信息的干擾。

作為本發(fā)明的進一步改進：所述步驟S2包括對CSI數(shù)據(jù)進行均值Mean、歸一化的標(biāo)準(zhǔn)差The Normalized Standard Deviation、平均絕對偏差Mean Absolute Deviation、四分位范圍Interquartile Range以及信號熵值Signal Entropy共五個方面特征的提取。

作為本發(fā)明的進一步改進：所述步驟S3根據(jù)CSI數(shù)據(jù)的特征進行分類的分類算法是支持向量機SVM方法。

作為本發(fā)明的進一步改進：所述步驟S3包括：

S31、基于統(tǒng)計學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

S32、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測周圍環(huán)境的濕度信息。

作為本發(fā)明的進一步改進：所述步驟S4中，反饋針對濕度檢測結(jié)果的響應(yīng)信息，調(diào)整支持向量機的高維特征模型。

本發(fā)明同時提供了一種基于無線感知的濕度檢測系統(tǒng)，包括：

CSI獲取模塊，用于無線接收端接收來自無線發(fā)射端的無線信號，并評估信道狀態(tài)信息；

檢測模塊，用于根據(jù)CSI獲取模塊采集到的CSI數(shù)據(jù)，提取特征，并進行分類匹配，檢測出當(dāng)前環(huán)境的濕度信息；

反饋模塊，用于將檢測模塊檢測出的結(jié)果與已知的類別進行比對，如果出現(xiàn)偏差，則進行校正，從而使分類算法更為精確；

顯示模塊，用來顯示檢測出的結(jié)果。

作為本發(fā)明的進一步改進：所述CSI獲取模塊包括：

感應(yīng)單元，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個空間流中的N個子載波的CSI值，M和N均為大于1的自然數(shù)；

數(shù)據(jù)處理單元，用于對每一空間流，求取在同一時間點上的T個連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

過濾單元，用于利用數(shù)據(jù)過濾技術(shù)對信道狀態(tài)信息進行過濾處理。

作為本發(fā)明的進一步改進：所述檢測模塊，包括：

計算單元，用于對CSI數(shù)據(jù)進行特征提取，提取的特征包括：均值、歸一化的標(biāo)準(zhǔn)差、平均絕對偏差、四分位范圍以及信號熵值；

建立模型單元，用于基于統(tǒng)計學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

檢測單元，用于將輸出的目標(biāo)模式映射至支持向量機的高維特征模型中，分離出目標(biāo)濕度類。

作為本發(fā)明的進一步改進：所述反饋模塊包括：用于反饋針對當(dāng)前環(huán)境濕度檢測的響應(yīng)信息，調(diào)整支持向量機的高維特征模型；所述顯示模塊包括但不限于移動終端屏幕、掌上電腦或液晶顯示屏。

本發(fā)明的有益效果：相對于RSSI，CSI作為一種對無線傳播信道的更好的評估；本發(fā)明利用CSI的優(yōu)點，設(shè)計出了一種基于無線感知的濕度檢測系統(tǒng)，并使校正模塊能夠更準(zhǔn)確對周圍環(huán)境的濕度信息進行檢測；本檢測方法是在現(xiàn)有的無線網(wǎng)絡(luò)及設(shè)備的基礎(chǔ)上，進行濕度檢測工作，被檢測環(huán)境中無需安裝其他特定的檢測設(shè)備，具有極高的普及性。

附圖說明

附圖1為本發(fā)明的一種實施例的基于無線感知的濕度檢測的系統(tǒng)配置示意圖；

附圖2為本發(fā)明的濕度檢測方法的實現(xiàn)流程簡圖；

附圖3為本發(fā)明的一種實施例的濕度檢測方法的實現(xiàn)流程示意圖；

附圖4為本發(fā)明的一種實施例的濕度檢測系統(tǒng)的框架圖。

具體實施方式

為了便于本領(lǐng)域技術(shù)人員的理解，下面結(jié)合附圖和實例對本發(fā)明作進一步的描述。

Support Vector Machine 即SVM

一種基于無線感知的濕度檢測方法，包括如下步驟：

S1、無線接收端接收來自無線發(fā)射端的無線信號，并評估信道狀態(tài)信息；

S2、CSI數(shù)據(jù)特征提取，輸出目標(biāo)模式；

S3、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測周圍環(huán)境的濕度信息；

S4、反饋針對檢測結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)，進一步提升準(zhǔn)確性。

所述步驟S1評估信道狀態(tài)信息包括：

S11、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個空間流中的N個子載波的CSI值，M和N均為大于1的自然數(shù)；

S12、對每一空間流，求取在同一時間點上的T個連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

S13、利用數(shù)據(jù)過濾技術(shù)，對信道狀態(tài)信息進行過濾處理，以減少周圍環(huán)境中因物體的移動而造成的對信道狀態(tài)信息的干擾。

所述步驟S2包括對CSI數(shù)據(jù)進行均值Mean、歸一化的標(biāo)準(zhǔn)差The Normalized Standard Deviation、平均絕對偏差Mean Absolute Deviation、四分位范圍Interquartile Range以及信號熵值Signal Entropy共五個方面特征的提取。

所述步驟S3根據(jù)CSI數(shù)據(jù)的特征進行分類的分類算法是支持向量機SVM方法。

所述步驟S3包括：

S31、基于統(tǒng)計學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

S32、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測周圍環(huán)境的濕度信息。

作為本發(fā)明的進一步改進：所述步驟S4中，反饋針對濕度檢測結(jié)果的響應(yīng)信息，調(diào)整支持向量機的高維特征模型。

本發(fā)明同時提供了一種基于無線感知的濕度檢測系統(tǒng)，包括：

CSI獲取模塊，用于無線接收端接收來自無線發(fā)射端的無線信號，并評估信道狀態(tài)信息；

檢測模塊，用于根據(jù)CSI獲取模塊采集到的CSI數(shù)據(jù)，提取特征，并進行分類匹配，檢測出當(dāng)前環(huán)境的濕度信息；

反饋模塊，用于將檢測模塊檢測出的結(jié)果與已知的類別進行比對，如果出現(xiàn)偏差，則進行校正，從而使分類算法更為精確；

顯示模塊，用來顯示檢測出的結(jié)果。

所述CSI獲取模塊包括：

感應(yīng)單元，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個空間流中的N個子載波的CSI值，M和N均為大于1的自然數(shù)；

數(shù)據(jù)處理單元，用于對每一空間流，求取在同一時間點上的T個連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

過濾單元，用于利用數(shù)據(jù)過濾技術(shù)對信道狀態(tài)信息進行過濾處理。

所述檢測模塊，包括：

計算單元，用于對CSI數(shù)據(jù)進行特征提取，提取的特征包括：均值、歸一化的標(biāo)準(zhǔn)差、平均絕對偏差、四分位范圍以及信號熵值；

建立模型單元，用于基于統(tǒng)計學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

檢測單元，用于將輸出的目標(biāo)模式映射至支持向量機的高維特征模型中，分離出目標(biāo)濕度類。

所述反饋模塊包括：用于反饋針對當(dāng)前環(huán)境濕度檢測的響應(yīng)信息，調(diào)整支持向量機的高維特征模型；所述顯示模塊包括但不限于移動終端屏幕、掌上電腦或液晶顯示屏。

在一實施例中，一種基于無線感知的濕度檢測的方法，其步驟包括：

S1、無線接收端接收來自無線發(fā)射端的無線信號，并評估信道狀態(tài)信息；

S2、CSI數(shù)據(jù)特征提取，對收集到的CSI數(shù)據(jù)分別作均值（Mean）、歸一化的標(biāo)準(zhǔn)差（The Normalized Standard Deviation）、平均絕對偏差（Mean Absolute Deviation）、四分位范圍（Interquartile Range以及信號熵值（Signal Entropy）處理，輸出目標(biāo)模式；

S3、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測周圍環(huán)境的濕度信息；

S4、反饋針對檢測結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)，進一步提升準(zhǔn)確性。

具體地，在步驟S1中，評估信道狀態(tài)信息包括：

S11、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個空間流中的N 個子載波的CSI值，M和N均為大于1的自然數(shù)；

S12、對每一空間流，求取在同一時間點上的T個連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

S13、利用數(shù)據(jù)過濾技術(shù)，對信道狀態(tài)信息進行過濾處理，以減少周圍環(huán)境中因物體的移動而造成的對信道狀態(tài)信息的干擾。

當(dāng)本發(fā)明的系統(tǒng)開始工作時，無線發(fā)射端傳播無線網(wǎng)絡(luò)信號，同時處于特定區(qū)域內(nèi)的無線接收端（如裝有網(wǎng)卡的電腦）會收集CSI作為初始信道狀態(tài)數(shù)據(jù)，然后進行數(shù)據(jù)處理。

請參閱圖1，其是整個實驗場景的實驗布置圖。

所述步驟S2包括對CSI數(shù)據(jù)進行均值（Mean）、歸一化的標(biāo)準(zhǔn)差（The Normalized Standard Deviation）、平均絕對偏差（Mean Absolute Deviation）、四分位范圍（Interquartile Range）以及信號熵值（Signal entropy）共五個方面特征的提取。

所述步驟S3包括：

S31、基于統(tǒng)計學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

S32、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測周圍環(huán)境的濕度信息。

所述步驟S4包括：反饋針對濕度檢測結(jié)果的響應(yīng)信息，調(diào)整支持向量機的高維特征模型。

如附圖2所示的流程圖，公開了本發(fā)明的檢測方法的四個重要步驟，包括：信道狀態(tài)評估、CSI數(shù)據(jù)特征提取、濕度分類和反饋檢測結(jié)果。

又一實施例中，如附圖3所示，本發(fā)明還提供了一種實施例的濕度檢測方法的實現(xiàn)流程，其步驟包括：

S301、無線接收端接收來自無線發(fā)射端的無線信號，同時采集初始信道狀態(tài)數(shù)據(jù)；

S302、取合并子載波的CSI平均值作為信道狀態(tài)信息；

S303、對信道狀態(tài)信息進行過濾處理；

S304、對信道狀態(tài)信息進行特征提??；

S305、輸出目標(biāo)模式；

S306、將目標(biāo)模式映射至支持向量機的高維特征模型；

S307、利用支持向量機進行分類；

S308、是否檢測出當(dāng)前環(huán)境的濕度信息，如是，執(zhí)行步驟S309，否則返回步驟S301；

S309、在顯示模塊顯示檢測結(jié)果，調(diào)整參數(shù)，優(yōu)化檢測和分類算法。

本發(fā)明還提供了一種濕度檢測系統(tǒng)，如附圖4所示，包括：

CSI獲取模塊41，用于無線接收端接收來自無線發(fā)射端的無線信號，并評估信道狀態(tài)信息；

檢測模塊42，用于根據(jù)CSI獲取模塊采集到的CSI數(shù)據(jù)，提取特征，輸出目標(biāo)模式，并將輸出的目標(biāo)模式映射至支持向量機的高維特征模型中，分離出目標(biāo)濕度類；

反饋模塊43，用于將檢測模塊檢測出的結(jié)果與已知的類別進行比對，如果出現(xiàn)偏差，則進行校正，從而使分類算法更為精確；

顯示模塊44，可利用手機端的顯示屏或者其他顯示模塊，用來顯示檢測出的結(jié)果。

所述CSI獲取模塊包括：

感應(yīng)單元411，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個空間流中的N個子載波的CSI值，M和N均為大于1的自然數(shù)；

數(shù)據(jù)處理單元412，用于對每一空間流，求取在同一時間點上的T個連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

過濾單元413，用于利用數(shù)據(jù)過濾技術(shù)對信道狀態(tài)信息進行過濾處理。

所述檢測模塊，包括：

計算單元421，用于對CSI數(shù)據(jù)進行特征提取，提取的特征包括：均值（Mean）、歸一化的標(biāo)準(zhǔn)差（Normalized Standard Deviation）、平均絕對偏差（Mean Absolute Deviation）、四分位范圍（Interquartile Range）以及信號熵值（Signal Entropy），輸出目標(biāo)模式；

建立模型單元422，用于基于統(tǒng)計學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

濕度識別單元423，用于將輸出的目標(biāo)模式映射至支持向量機的高維特征模型中，分離出目標(biāo)濕度類。

本發(fā)明的濕度檢測系統(tǒng)還包括一反饋模塊43，用于反饋針對當(dāng)前環(huán)境濕度檢測的響應(yīng)信息，調(diào)整支持向量機的高維特征模型。

本發(fā)明的濕度檢測系統(tǒng)還包括一顯示模塊44，用于顯示最終的檢測結(jié)果，顯示模塊為移動終端屏幕、掌上電腦、液晶顯示屏以及其它用于顯示內(nèi)容的顯示器件（如投影儀等）。

以上內(nèi)容是結(jié)合具體的優(yōu)選方式對本發(fā)明所作的進一步詳細說明，不應(yīng)認(rèn)定本發(fā)明的具體實施只局限于以上說明。對于本技術(shù)領(lǐng)域的技術(shù)人員而言，在不脫離本發(fā)明構(gòu)思的前提下，還可以作出若干簡單推演或替換，均應(yīng)視為由本發(fā)明所提交的權(quán)利要求確定的保護范圍之內(nèi)。