【摘要】：位置信息如今已成為軍事和民用等諸多領(lǐng)域中所必須的基礎(chǔ)數(shù)據(jù),發(fā)揮著越來越重要的作用。與傳統(tǒng)定位方式要求定位目標(biāo)必須攜帶與定位系統(tǒng)相匹配的定位設(shè)備(如GPS接收機(jī)、手機(jī)等)不同,無設(shè)備目標(biāo)定位(Device-free localization,DFL)無需定位目標(biāo)攜帶任何定位裝置,也無需定位目標(biāo)主動參與定位過程,因此DFL在人員搜救、非法入侵檢測、特殊情況下的老人照料等傳統(tǒng)定位方法無法實現(xiàn)的定位領(lǐng)域可以發(fā)揮重要作用。相比于現(xiàn)有的基于攝像頭,超寬帶雷達(dá),紅外和超聲波等技術(shù)的無設(shè)備目標(biāo)定位,基于無線傳感器網(wǎng)絡(luò)的DFL技術(shù)因其成本低、通用性好并能夠穿透墻壁、煙霧進(jìn)行定位等優(yōu)點,因而成為當(dāng)前DFL領(lǐng)域的一個研究熱點。并且隨著DFL技術(shù)的發(fā)展,這種只需檢測目標(biāo)對電磁場影響而無需目標(biāo)主動參與的感知方式被應(yīng)用到定位以外的領(lǐng)域,形成了更廣義的無設(shè)備感知(Device-free Sensing,DFS)技術(shù)研究,其應(yīng)用涉及姿態(tài)識別、呼吸率估計和目標(biāo)速度測量等諸多領(lǐng)域。在此背景下,本文圍繞“無設(shè)備目標(biāo)定位”和“姿態(tài)識別”兩大問題展開研究,利用測量得到的接收信號強(qiáng)度(Received Signal Strength,RSS)信息和信道狀態(tài)信息(Channel State Information,CSI),實現(xiàn)更為準(zhǔn)確的無設(shè)備目標(biāo)定位和姿態(tài)特征識別,論文主要工作包括以下幾個方面:(1)自主搭建了基于CC2530模塊的RSS信息測量系統(tǒng)和基于Intel 5300網(wǎng)卡的CSI信息測量系統(tǒng)。其中,RSS信息測量系統(tǒng)能夠?qū)崿F(xiàn)對監(jiān)測區(qū)域目標(biāo)動態(tài)信息的實時采集,同時其具有低復(fù)雜度、低成本、低功耗等特點。CSI信息測量系統(tǒng)不僅具備RSS測量系統(tǒng)的功能,而且能夠提供更為豐富的時域和頻域特征。(2)針對RSS容易受到環(huán)境變化和噪聲的影響,射頻層析成像(Radio Tomographic Imaging,RTI)的結(jié)果圖上往往不可避免地存在著背景噪點,有時甚至還有偽目標(biāo)出現(xiàn)在圖像上,為了提高RTI成像質(zhì)量,本文給出一種基于稀疏自編碼器的增強(qiáng)型RTI方法,該方法利用稀疏自編碼器的學(xué)習(xí)能力來提取有效受目標(biāo)影響的鏈路特征信息,并結(jié)合支持向量機(jī)(Support Vector Machine,SVM)進(jìn)行目標(biāo)提取,從而達(dá)到克服噪聲影響和提高定位精度的目的。室內(nèi)外實驗結(jié)果表明,該方法的成像質(zhì)量和定位精度都要優(yōu)于現(xiàn)有RTI方法。(3)基于循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network，RNN)分別給出了用RSS和CSI信息進(jìn)行人體姿態(tài)識別的方法,并利用長短期記憶(Long Short-term Memory,LSTM)技術(shù)增強(qiáng)RNN的姿態(tài)識別性能。同時,利用四次小波變換對RSS和CSI信息進(jìn)行進(jìn)一步特征提取,然后分別利用RNN-LSTM和經(jīng)典的貝葉斯分類算法結(jié)果進(jìn)行姿態(tài)識別,并進(jìn)行了對比。實驗結(jié)果表明,該方法的姿態(tài)識別效果優(yōu)于貝葉斯分類算法。最后總結(jié)了本論文的研究工作,并對現(xiàn)有工作中的不足進(jìn)行了歸納,并對不足之處提出了改進(jìn)意見,以便在今后的研究中進(jìn)行完善。
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN929.5;TP391.44
【圖文】：

１逡逑圖２．１邋ＺｉｇＢｅｅ模塊開發(fā)板示意圖逡逑本課題所設(shè)計的ＷＳＮ所使用的ＺｉｇＢｅｅ硬件模塊如圖２．１所示，ＺｉｇＢｅｅ模逡逑塊由ＴＩ邋ＣＣ２５３０和ＣＣ２５９１功放芯片組成，使用的天線為ＳＭＡ全向天線。逡逑ａｇＢｅｅ模塊支持丨ＥＥＥ邋８０２．］５．４標(biāo)準(zhǔn)和ＺｉｇＢｅｅ協(xié)議。ＣＣ２５３０擁有以下幾種逡逑特性，讓其可應(yīng)用的領(lǐng)域十分廣泛：（１）強(qiáng)大的無線前端，其２．４ＧＨｚ的ＩＥＥＥ逡逑８０２．１５．４標(biāo)準(zhǔn)射頻收發(fā)器擁有出色的接收靈敏度和抗干擾能力，支持運行網(wǎng)狀網(wǎng)逡逑絡(luò)系統(tǒng)，符合世界范圍的無線電頻率法規(guī)；（２）低功耗，其接收模式的工作電流為逡逑２４邋ｍＡ，在ｌｄＢｍ的發(fā)射功率下發(fā)送模式的工作電流為２９邋ｍＡ，功耗模式１（４邋ｐｓ逡逑喚醒）的工作電流為０．２邋ｍＡ，功耗模式２（睡眠計時器運行）的工作電流為ｌ＾Ａ，逡逑功耗模式３（外部中斷）的工作電流為０．４ｐＡ，電源電壓范圍為２－３．６Ｖ；邋（３）微控逡逑制器采用高性能且低功耗的８０５１微控制器內(nèi)核

２．２．２邋Ｉｎｔｅｌ邋５３００邋網(wǎng)卡簡介逡逑圖２．２邋Ｉｎｔｅｌ邋５３００網(wǎng)卡示意圖逡逑本實驗室所使用的Ｉｎｔｅｌ邋５３００網(wǎng)卡如圖２．２所示，其所使用的天線同樣是逡逑ＳＭＡ全向天線。Ｉｎｔｅｌ邋５３００網(wǎng)卡搭載全新的網(wǎng)絡(luò)技術(shù)，使單用戶性能大幅提升，逡逑降低同頻千擾，信號傳輸范圍廣，數(shù)據(jù)傳輸也更流暢。逡逑Ｉｎｔｅｌ邋５３００網(wǎng)卡支持ＩＥＥＥ邋８０２．１邋ｌｂ／ｇ／ｎ標(biāo)準(zhǔn)協(xié)議，工作頻率為２．４ＧＨｚ和５ＧＨｚ，逡逑２．４ＧＨｚ最高速率達(dá)到３００Ｍｂｐｓ，５ＧＨｚ最高速率達(dá)到５００Ｍｂｐｓ。ＣＳ丨的獲取只需逡逑要普通的計算機(jī)和無線網(wǎng)卡，并安裝合適的操作系統(tǒng)、集成工具、顯示工具。由逡逑于該網(wǎng)卡需要使用８０２．１邋Ｉｎ邋ＣＳＩ邋Ｔｏｏｌｓ修改內(nèi)部驅(qū)動設(shè)置，所以必須在Ｌｉｎｕｘ環(huán)境逡逑下進(jìn)行設(shè)置，因此選取了流行的Ｕｂｉｍｔｕ系統(tǒng)。８０２．１邋Ｉｎ邋ＣＳＩ邋Ｔｏｏｌｓ總共提供四種逡逑工作模式

能進(jìn)入發(fā)送模式執(zhí)行向其他節(jié)點發(fā)送數(shù)據(jù)包的操作，否則繼續(xù)等待接收數(shù)據(jù)，依逡逑此類推。其中，１號無線節(jié)點接收到第２０號節(jié)點的ＩＤ時才能再次發(fā)送自身的信逡逑息，以此實現(xiàn)有序的組網(wǎng)循環(huán)，如圖２．３所示。數(shù)據(jù)采集節(jié)點將不同通信鏈路上逡逑的ＲＳＳ值上傳至ＰＣ機(jī)終端。逡逑２．３．２邐ＣＳＩ測量系統(tǒng)搭建逡逑另外，本文使用２塊丨ｎｔｅｌ邋５３００無線網(wǎng)卡組成單向通信鏈路。其中一塊作為逡逑發(fā)送節(jié)點，另一塊作為接收節(jié)點。每個節(jié)點都有３根天線，其中發(fā)送節(jié)點只使用逡逑３號天線發(fā)送數(shù)據(jù)，接收節(jié)點３根天線同時接收發(fā)送過來的數(shù)據(jù)。由于每根天線逡逑都是采用ＯＦＤＭ調(diào)制ｆ３３］，接收節(jié)點的每根天線我們都能采集到３０個子載波的逡逑ＣＳＩ信息。因此，發(fā)送節(jié)點每發(fā)送一個數(shù)據(jù)包，接收節(jié)點就能得到９０個子載波逡逑的ＣＳＩ信息。逡逑７逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙一y

本文編號：2805317