【摘要】：針對主流的活動感知技術(shù)依賴于專業(yè)測量設(shè)備,難以廣泛部署與使用的問題,提出一種基于現(xiàn)有WiFi熱點接收信號強度特征的活動識別技術(shù)。利用機器學習算法對實時接收到的WiFi信號強度特征進行分類,通過特征匹配識別用戶當前活動。實驗結(jié)果顯示,所提算法能夠以80%以上概率判斷室內(nèi)是否有人,以95%以上概率判斷室內(nèi)的人處于什么狀態(tài),并以80%的概率識別人的運動方向。所提算法所需信號廣泛存在,可有效識別室內(nèi)活動,具有低功耗、高精度的優(yōu)點。
【圖文】：

式的活動識別依賴于特殊設(shè)備，難以廣泛部署。針對上述兩種方法的缺點，本文提出一種基于普通WiFi信號熱點和智能手機的活動識別算法，主要原理是:無線信號傳播會受到用戶行為的影響，用戶不同行為會導(dǎo)致信號分布有所區(qū)別，通過對信號強度特征的分析，可以反推出用戶活動。主要方法是利用機器學習算法對實時接收到的WiFi信號特征進行分類，通過特征匹配實現(xiàn)活動識別。實驗表明本算法能夠有效識別站立、躺下和行走三種活動，并能夠識別用戶行走方向，在智能家居輔助中具有廣泛用途和重要意義。1算法框架本文算法流程如圖1所示，主要分為三個階段:數(shù)據(jù)輸入、訓(xùn)練和測試。圖1算法流程Fig．1Workflowofthealgorithm為了實現(xiàn)本算法，需要在房間內(nèi)設(shè)置WiFi接入點和信號接收設(shè)備，這里采用普通Android智能手機測量WiFi信號并記錄。測試人員在信號發(fā)射設(shè)備與測量設(shè)備之間的空間活動，由于人體對無線信號的吸收、遮擋和反射，測量設(shè)備接收到的信號在不同條件下信號特征不同。手機采集到不同活動下的無線信號后，為這些信號添加標簽，分別表示該信號是在什么條件下測量的。將這些數(shù)據(jù)隨機分為訓(xùn)練集和測試集:在訓(xùn)練階段，采用不同的機器學習算法對訓(xùn)練集數(shù)據(jù)進行分類，得到不同的分類器;在測試階段，，使用測試集數(shù)據(jù)評價不同分類器分類效果，選擇分類精度最好的分類器進行動作識別。下面詳細介紹這三個階段。2基于無線信號特征的活動識別2．1數(shù)據(jù)輸入數(shù)據(jù)輸入階段分為三個步驟，分別是測量、預(yù)處理和特征提取，下面分別介紹這三個步驟。2．1．1測量利用智能手機的WiFi芯片獲取無線熱點的信號強度。未Ｒoot智能手機的WiFi芯片刷新率約為2Hz，雖然可以對手機Ｒoot后將刷新率提升到10Hz，為了提高算法可用范圍，本文使用2Hz的數(shù)據(jù)作為輸

類效果，選擇分類精度最好的分類器進行動作識別。下面詳細介紹這三個階段。2基于無線信號特征的活動識別2．1數(shù)據(jù)輸入數(shù)據(jù)輸入階段分為三個步驟，分別是測量、預(yù)處理和特征提取，下面分別介紹這三個步驟。2．1．1測量利用智能手機的WiFi芯片獲取無線熱點的信號強度。未Ｒoot智能手機的WiFi芯片刷新率約為2Hz，雖然可以對手機Ｒoot后將刷新率提升到10Hz，為了提高算法可用范圍，本文使用2Hz的數(shù)據(jù)作為輸入，采集到的數(shù)據(jù)為S:S={rssi|i=1，2，…，T}(1)其中:rssi為第i時刻接收到的信號強度，T為測量時長。圖2給出了不同活動條件下，接收到的信號強度。從圖2可以看出，在不同的活動條件下，測量到的無線信號有差異，這個差異可以作為活動識別的依據(jù)。通過分析信號強度特征就可以反推用戶可能的活動狀態(tài)。圖2不同條件下測量到的WiFi信號強度對比Fig．2ＲeceivedWiFisignalstrengthvariesindifferentconditions2．1．2預(yù)處理人的活動是動態(tài)變化的，單一時刻的測量值難以體現(xiàn)這種動態(tài)特性，通常的做法是將測量數(shù)據(jù)進行分組，將某個時間段內(nèi)(識別窗口)的數(shù)據(jù)作為一組，分析每組內(nèi)信號特征，再進行分類與識別。假設(shè)識別窗口為ΔT，每個識別窗口數(shù)據(jù)不僅包含當前時刻測量值，還包含前?ΔT/τ」－1個時刻的測量值:W={wi|i=0，1，…，T－ΔT+1}(2)其中:wi={rssi*ΔT+j|j=0，1，…，ΔT－1}(3)2．1．3特征提取通過分組，每個組內(nèi)都有很多測量數(shù)據(jù)，信號特征主要是針對每個分組內(nèi)的數(shù)據(jù)進行的計算。本文使用的特征值包括幅度、標準差、N+和N－。1)幅度(Ｒange)。幅度就是組內(nèi)最大測量值與最小測量值的差，表示信號強度最大變化范圍:Ｒange=max(w)－min(w)(4)其中:max(w)和min(w)分別表示w組內(nèi)的最大?

【相似文獻】

相關(guān)期刊論文 前10條

1 李桂丹;孫雨耕;劉麗萍;張聚偉;;基于接收信號強度的無線傳感器網(wǎng)絡(luò)組網(wǎng)協(xié)議[J];計算機工程與應(yīng)用;2008年24期

2 張維;李文濤;王力;;基于接收信號強度的不同移動終端定位方法研究[J];西北工業(yè)大學學報;2014年03期

3 唐小明;孔繁俊;朱洪偉;許海華;;基于接收信號強度指示的藍牙信號源定位[J];計算機測量與控制;2009年02期

4 張滇;明仲;劉剛;陸克中;毛睿;馮禹洪;陳國良;;基于傳感器節(jié)點的無線接收信號強度研究(英文)[J];深圳大學學報(理工版);2014年01期

5 倪巍,王宗欣;基于接收信號強度測量的室內(nèi)定位算法[J];復(fù)旦學報(自然科學版);2004年01期

6 孔慶茹;楊新宇;閆超;楊文靜;;一種基于接收信號強度指示的改進型定位算法[J];西安交通大學學報;2008年02期

7 樊星;牟榮增;閻躍鵬;;一種應(yīng)用于無線傳感器網(wǎng)絡(luò)的全集成接收信號強度指示器[J];傳感器與微系統(tǒng);2013年09期

8 魯志剛;劉倫;萬天才;;WLAN射頻系統(tǒng)接收信號強度指示器的設(shè)計[J];微電子學;2010年06期

9 張可;焦國太;梁聰聰;鄧光明;;基于接收信號強度的雷場節(jié)點定位方法[J];探測與控制學報;2012年02期

10 沈笑慧;張健;何熊熊;;基于接收信號強度指示加權(quán)融合的定位算法[J];華僑大學學報(自然科學版);2012年06期

相關(guān)會議論文 前2條

1 胡瑞濤;侯媛彬;;基于接收信號強度和鏈路質(zhì)量的井下人員定位跟蹤方法[A];第22屆全國煤礦自動化與信息化學術(shù)會議暨第4屆中國煤礦信息化與自動化高層論壇論文集[C];2012年

2 李志穎;;合理改善無線環(huán)境 高效利用網(wǎng)絡(luò)資源[A];內(nèi)蒙古通信學會2005年年會論文集[C];2005年

相關(guān)博士學位論文 前1條

1 馮辰;基于壓縮感知的RSS室內(nèi)定位系統(tǒng)的研究與實現(xiàn)[D];北京交通大學;2011年

相關(guān)碩士學位論文 前10條

1 秦嵩;基于WLAN的AP端無線定位系統(tǒng)研究與實現(xiàn)[D];電子科技大學;2014年

2 田森平;基于接收信號強度的傳感網(wǎng)組密鑰生成協(xié)議的研究[D];西安電子科技大學;2014年

3 田玉蘭;傳感網(wǎng)基于接收信號強度的密鑰生成匹配性的研究[D];西安電子科技大學;2014年

4 李婷;基于接收信號強度的WSN優(yōu)化定位算法研究[D];華中科技大學;2014年

5 閔緒;基于MIMO平臺的車聯(lián)網(wǎng)實時精確定位算法設(shè)計與實現(xiàn)[D];東南大學;2016年

6 劉志振;Ad Hoc網(wǎng)絡(luò)中的按需干擾攻擊檢測方法研究[D];華中科技大學;2015年

7 謝澤剛;基于接收信號強度指紋的室內(nèi)定位算法研究[D];華中科技大學;2015年

8 張嬌;基于接收信號強度的定位算法的研究[D];東北大學;2010年

9 潘立波;基于WIFI技術(shù)的無線定位算法研究與實現(xiàn)[D];浙江大學;2013年

10 毛文瑞;基于WIFI的被動入侵檢測技術(shù)研究[D];合肥工業(yè)大學;2014年

本文編號：2555036