本發(fā)明涉及人體檢測識別領(lǐng)域，尤其涉及一種基于信道狀態(tài)信息和KNN的室內(nèi)人體朝向識別方法。

背景技術(shù)：

在基于位置的服務(wù)(LBS,Location Based Service)中，用戶的朝向往往與其下一步動作或者其當(dāng)前的關(guān)注點(diǎn)有關(guān)，因此檢測識別用戶的朝向具有非常重要的價(jià)值。一般的朝向檢測都是由用戶主動發(fā)起，借助于陀螺儀、指南針等傳感器實(shí)現(xiàn)，最終得到的朝向是以地理方向?yàn)樽鴺?biāo)系。而在室內(nèi)環(huán)境中，更加重要的是相對于室內(nèi)坐標(biāo)的朝向。

目前的朝向識別用到了陀螺儀，指南針等傳感器，這些設(shè)備一方面成本較高；另一方面，在某些場景下，如室內(nèi)入侵檢測，人體不一定會攜帶設(shè)備主動參與到朝向的檢測中。這就需要一種無源的方法來識別人體的朝向。隨著無線局域網(wǎng)(WLAN,Wireless Local Network)的發(fā)展，無線設(shè)備已經(jīng)廣泛的分布于各種室內(nèi)場合，如學(xué)校、醫(yī)院、餐廳、超市等，如果能有效利用這些現(xiàn)有的設(shè)備實(shí)現(xiàn)朝向識別，將大大降低系統(tǒng)部署成本；同時(shí)隨著無線局域網(wǎng)傳輸速率的不斷提高，如未來的802.11ac將具有更高的工作頻帶，這為進(jìn)一步精確的朝向識別提供了可能性。

接收信號強(qiáng)度指示(RSSI,Received Signal Strength Indicator)是WLAN中最容易得到的物理量，但由于室內(nèi)普遍存在著多徑效應(yīng)(Multi-path Effect)，RSSI存在不夠穩(wěn)定，精度不高的缺點(diǎn)。目前已經(jīng)出現(xiàn)了一些利用物理層的更穩(wěn)定、更高精度的物理量——信道狀態(tài)信息(CSI,Channel State Information)來的一些研究。近幾年，隨著一些開源軟件的發(fā)展，CSI的獲取更加容易，對CSI的研究也越來越多。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要克服現(xiàn)有技術(shù)的上述缺點(diǎn)，提供一種基于WIFI的無源-無設(shè)備人體朝向檢測方法，實(shí)現(xiàn)利用現(xiàn)有設(shè)備實(shí)現(xiàn)無源的室內(nèi)人體朝向識別。

為實(shí)現(xiàn)上述的目標(biāo)，本發(fā)明采用的一個(gè)技術(shù)方案：一種基于信道狀態(tài)信息和KNN的室內(nèi)人體朝向識別方法，具體包括以下步驟：

步驟1：搭建信道狀態(tài)信息數(shù)據(jù)采集平臺；

步驟2：將人體在自然站立狀態(tài)下的朝向分成8個(gè)類別，每個(gè)朝向之間約有45°的夾角；

步驟3：離線訓(xùn)練階段，具體包括以下子步驟：

步驟3-1：人體在每個(gè)朝向時(shí)保持一段時(shí)間的靜止?fàn)顟B(tài)，采集包含信道狀態(tài)信息的數(shù)據(jù)包。每個(gè)數(shù)據(jù)樣本的格式為：{f₁,f₂,...,f₃₀}_T×R。其中f₁～f₃₀為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

步驟3-2：取訓(xùn)練數(shù)據(jù)，取每個(gè)樣本的每條天線對上的數(shù)據(jù)，將每個(gè)訓(xùn)練樣本轉(zhuǎn)換為格式：{f₁,f₂,...,f₃₀,...,f₆₀,...f_T×R×30}。其中f₁～f_T×R×30為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

步驟3-3：去除數(shù)據(jù)中的明顯異常值；

步驟3-4：對訓(xùn)練數(shù)據(jù)進(jìn)行主成分分析，得到特征矩陣mV及降維后的訓(xùn)練數(shù)據(jù)；

步驟3-5：對降維后的每組數(shù)據(jù)進(jìn)行歸一化，X_new＝(X_old-min)/(max-min)，其中，X_new表示歸一化后的數(shù)據(jù)，X_old表示歸一化前的數(shù)據(jù)，min表示該數(shù)據(jù)的一列特征中的最小值，max表示該數(shù)據(jù)的一列特征的最大值；

步驟3-6：將歸一化后的數(shù)據(jù)及其對應(yīng)的朝向作為一條指紋存入指紋庫中；

步驟4：在線測試階段，具體包括以下子步驟：

步驟4-1：采集人體在某個(gè)朝向時(shí)的測試數(shù)據(jù)包；

步驟4-2：按照步驟3-2，將測試數(shù)據(jù)轉(zhuǎn)換為{f₁,f₂,...,f₃₀,...,f₆₀,...f_T×R×30}。其中f₁～f_T×R×30為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

步驟4-3：使用特征矩陣mV將測試數(shù)據(jù)變換到降維后的維度；

步驟4-3：按照3-5的步驟，對每組測試數(shù)據(jù)進(jìn)行歸一化。

步驟4-4：使用KNN算法，得到每組測試數(shù)據(jù)的分類結(jié)果{ori₁,ori₂,...,ori_n}，其中n為測試樣本的數(shù)量。

步驟4-5：選擇分類結(jié)果中出現(xiàn)最多的朝向作為最終的估計(jì)方向。

本發(fā)明的有益效果是：

1.使用了簡單易得的設(shè)備作為檢測平臺，利用了目前廣泛分布的無線局域網(wǎng)系統(tǒng)，比較靈活，易于普及；

2.本發(fā)明不需要人體攜帶任何電子標(biāo)簽、有源設(shè)備等，降低了朝向識別的設(shè)備成本，在智能家居、安防等領(lǐng)域有較大的應(yīng)用價(jià)值；

3.物理量采用了信道狀態(tài)信息，具有精度高、穩(wěn)定的優(yōu)點(diǎn)；

4.KNN方法簡單有效，訓(xùn)練時(shí)間較短，有利于在環(huán)境變化后的重新訓(xùn)練；

附圖說明

圖1是本發(fā)明的方法流程圖。

圖2是本發(fā)明的實(shí)驗(yàn)平臺示意圖；

圖3是一種本發(fā)明方法實(shí)施例的環(huán)境；

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的較佳實(shí)施例進(jìn)行詳細(xì)闡述，以使本發(fā)明的優(yōu)點(diǎn)和特征能更易于被本領(lǐng)域技術(shù)人員理解，從而對本發(fā)明的保護(hù)范圍做出更為清楚明確的界定。

請參閱圖1～圖3，本發(fā)明實(shí)施例包括：

1.如圖2所示，我們的實(shí)驗(yàn)平臺包括發(fā)送端Tx和接收端Rx兩部分，Tx和Rx均為安裝了Intel 5300網(wǎng)卡和信道狀態(tài)信息提取軟件的筆記本電腦；

2.實(shí)驗(yàn)室是一個(gè)典型的室內(nèi)環(huán)境，我們將其作為實(shí)施例的環(huán)境，該環(huán)境下具有較豐富的多徑效應(yīng)。如圖3所示；

3.每次采集，人體站在如圖1的檢測區(qū)域進(jìn)行數(shù)據(jù)采集，收集包含信道狀態(tài)信息的數(shù)據(jù)包，每個(gè)朝向的采集時(shí)間為10秒。采集完畢后，每個(gè)朝向都能得到一個(gè).dat文件；

4.從每個(gè)朝向的.dat文件中提取出每對天線的信道狀態(tài)信息數(shù)據(jù)；

5.對數(shù)據(jù)進(jìn)行預(yù)處理和特征值提取，包括以下三個(gè)步驟：

5-1.取每對天線對上的數(shù)據(jù)得到一個(gè)訓(xùn)練樣本：{f₁,f₂,...,f₃₀,...,f₆₀,...f_T×R×30}。其中f₁～f_T×R×30為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

5-2.使用拉依達(dá)方法去除異常值；

5-3.將數(shù)據(jù)進(jìn)行PCA降維，得到特征矩陣和降維后的訓(xùn)練數(shù)據(jù)；

5-4.對數(shù)據(jù)歸一化；

6.將處理后數(shù)據(jù)的每個(gè)樣本和其對應(yīng)的朝向作為指紋存入朝向數(shù)據(jù)庫；

7.測試階段，人體同樣自然站立于圖1中的檢測區(qū)域，采集測試數(shù)據(jù)，每個(gè)位置采集時(shí)間5秒；

8.對測試數(shù)據(jù)進(jìn)行預(yù)處理和特征值提取，包括以下兩個(gè)步驟：

8-1.根據(jù)步驟5-3中得到的特征矩陣，將測試數(shù)據(jù)降維；

8-2.將降維后的測試數(shù)據(jù)進(jìn)行歸一化處理；

9.我們對每個(gè)朝向的每個(gè)測試樣本進(jìn)行KNN分類，同時(shí)根據(jù)發(fā)明內(nèi)容中步驟4-4～步驟4-5的詳細(xì)過程，估計(jì)得到最終的估計(jì)朝向。

以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。