【摘要】：隨著物聯(lián)網(wǎng)的飛速發(fā)展,無線定位成為當(dāng)今新興技術(shù)之一,其能夠幫助智能系統(tǒng)實(shí)現(xiàn)基于位置的智能服務(wù)。相比于傳統(tǒng)的主動(dòng)定位,新型的無線設(shè)備無關(guān)被動(dòng)定位能夠無需用戶攜帶任何相關(guān)電子設(shè)備而對(duì)用戶的出現(xiàn)、位置甚至身份進(jìn)行識(shí)別,該項(xiàng)技術(shù)能夠被廣泛應(yīng)用于工廠、家庭場所的安全防護(hù)、設(shè)備保護(hù)、人員管理等領(lǐng)域。室內(nèi)環(huán)境下傳統(tǒng)的無線信號(hào)強(qiáng)度由于其自身的粗粒度性,在遭受室內(nèi)多徑效應(yīng)的影響下無法準(zhǔn)確地感知人體的存在,導(dǎo)致室內(nèi)設(shè)備無關(guān)被動(dòng)定位性能無法達(dá)到令人滿意的程度。當(dāng)今時(shí)代,WLAN技術(shù)得到了迅猛發(fā)展。其中,IEEE802.11 a/g/n協(xié)議中所采用的正交頻繁復(fù)用技術(shù)為無線定位提供了載波水平的細(xì)粒度信道響應(yīng)信息。信道響應(yīng)包含了多載波水平上的信道狀態(tài)信息,能夠刻畫室內(nèi)多徑傳播特征,為室內(nèi)細(xì)粒度高精度的設(shè)備無關(guān)被動(dòng)定位發(fā)展提供了新的機(jī)遇。目前,基于信道響應(yīng)的設(shè)備無關(guān)被動(dòng)定位研究在國際上尚處于萌芽階段,大量的基礎(chǔ)問題尚且存在未得到解決,其中包括多載波信道狀態(tài)信息用于室內(nèi)設(shè)備無關(guān)被動(dòng)定位領(lǐng)域的有效性、穩(wěn)定性和高效性。本文課題探索利用細(xì)粒度多載波信道狀態(tài)信息來取得先進(jìn)的室內(nèi)設(shè)備無關(guān)被動(dòng)定位技術(shù),推動(dòng)我國無線室內(nèi)設(shè)備無關(guān)被動(dòng)定位技術(shù)的發(fā)展。本文從細(xì)粒度單通信鏈路設(shè)備無關(guān)被動(dòng)人體定位的角度出發(fā),主要針對(duì)以下幾個(gè)方面開展研究:首先,為了降低設(shè)備無關(guān)被動(dòng)人體檢測現(xiàn)場勘測的開銷花費(fèi),提高設(shè)備無關(guān)被動(dòng)人體檢測普適應(yīng)用性,本文進(jìn)行了大量的對(duì)比實(shí)驗(yàn),提出利用振幅響應(yīng)信息來量化無線鏈路對(duì)于人體移動(dòng)敏感度,構(gòu)建輕量級(jí)設(shè)備無關(guān)被動(dòng)人體檢測模型,實(shí)現(xiàn)自適應(yīng)設(shè)備無關(guān)被動(dòng)人體檢測,降低現(xiàn)場勘測的開銷。大量的科學(xué)實(shí)驗(yàn)結(jié)果表明自適應(yīng)設(shè)備無關(guān)被動(dòng)人體檢測精度能夠達(dá)到低于5%的誤報(bào)率和漏報(bào)率,從而證明利用振幅響應(yīng)信息感知人體移動(dòng)的有效性和高效性。其次,針對(duì)振幅響應(yīng)對(duì)于室內(nèi)人體慢速移動(dòng)感知能力較低的現(xiàn)象,提出了基于相位響應(yīng)的免校驗(yàn)設(shè)備無關(guān)被動(dòng)人體移動(dòng)檢測。在將網(wǎng)卡中原始的隨機(jī)相位信息經(jīng)過線性變換后,系統(tǒng)提取可用的穩(wěn)定相位信息。本文研發(fā)了基于時(shí)域相位變異系數(shù)的輕量級(jí)實(shí)時(shí)無校驗(yàn)的設(shè)備無關(guān)被動(dòng)人體檢測模型,能夠降低系統(tǒng)勘測開銷,提升設(shè)備無關(guān)被動(dòng)人體檢測的普適性。大量的實(shí)驗(yàn)結(jié)果表明該檢測模型能夠取得低于5%的誤報(bào)率和90%以上的檢測準(zhǔn)確度,同時(shí)也證明了相位響應(yīng)信息在靜態(tài)環(huán)境下的穩(wěn)定性以及對(duì)于人體移動(dòng)檢測的有效性、高效性。再次,在利用振幅響應(yīng)信息來實(shí)現(xiàn)對(duì)接收機(jī)無線感知能力的量化評(píng)估,從而幫助選擇具有高感知度的接收機(jī)位置的基礎(chǔ)上,提出基于貝葉斯分類原理的細(xì)粒度設(shè)備無關(guān)被動(dòng)人體定位模型,提升室內(nèi)無線設(shè)備無關(guān)被動(dòng)定位的范圍和精度,降低監(jiān)測區(qū)域內(nèi)盲點(diǎn)數(shù)量。多個(gè)場地的實(shí)驗(yàn)評(píng)估結(jié)果表明當(dāng)接收機(jī)位于高無線感知度位置時(shí),其定位精度相比于傳統(tǒng)的定位技術(shù)能夠提升21%的性能,這也證明信道響應(yīng)信息應(yīng)用于設(shè)備無關(guān)被動(dòng)人體位置估計(jì)的有效性。最后,基于不同頻率信道狀態(tài)信息的差異性和相關(guān)性,提出了高精度的室內(nèi)設(shè)備無關(guān)被動(dòng)定位模型。本文工作充分利用信道響應(yīng)特有的室內(nèi)頻率選擇性衰減特性,研究兩種新穎的單鏈路條件下的設(shè)備無關(guān)被動(dòng)人體定位算法:加權(quán)貝葉斯定位和最大相似矩陣定位算法,通過利用有監(jiān)督學(xué)習(xí)技術(shù)進(jìn)一步提升室內(nèi)設(shè)備無關(guān)被動(dòng)人體定位精度。大量的實(shí)驗(yàn)評(píng)估表明該模型能夠取得少于1米的平均定位誤差,也反映了信道響應(yīng)在設(shè)備無關(guān)被動(dòng)人體定位的穩(wěn)定性與高效性。
[Abstract]:With the rapid development of the Internet of Things, wireless location has become one of the emerging technologies, which can help intelligent systems to implement location-based intelligent services. Compared with traditional active location, the new wireless device-independent passive location can be used to locate users without any related electronic devices and to locate, even identify users. Recognition, the technology can be widely used in factories, home safety protection, equipment protection, personnel management and other fields. Because of its coarse-grained nature, the traditional wireless signal strength in indoor environment can not accurately perceive the presence of human body under the influence of indoor multipath effect, resulting in indoor equipment independent passive positioning. Nowadays, WLAN technology is developing rapidly. The OFDM technology used in IEEE802.11 a/g/n protocol provides fine-grained channel response information at carrier level for wireless location. Channel response includes channel state information at multi-carrier level and can describe indoor environment. Multipath propagation characteristics provide a new opportunity for the development of fine-grained and high-precision indoor device-independent passive positioning. Currently, the research on channel response-based device-independent passive positioning is still in its infancy in the world, and a large number of basic problems remain unsolved, including the use of multi-carrier channel state information for indoor equipment. Efficiency, stability and efficiency in the field of independent passive location. This paper explores the use of fine-grained multi-carrier channel state information to obtain advanced indoor device-independent passive location technology, and promotes the development of wireless indoor device-independent passive location technology in China. In order to reduce the cost of equipment-independent passive human body detection and improve the universal applicability of equipment-independent passive human body detection, a large number of comparative experiments are carried out in this paper, and amplitude response information is proposed to quantify the mobile of wireless link to human body. A lightweight device-independent passive human body detection model is constructed to realize adaptive device-independent passive human body detection and reduce the cost of field survey. Secondly, aiming at the low perception ability of amplitude response to indoor slow motion, a phase response-free device-independent passive human motion detection is proposed. After linear transformation of the original random phase information in the network card, the system extracts the available stable phase information. This paper develops a lightweight real-time device-independent passive human detection model based on time-domain phase variation coefficients, which can reduce the system survey overhead and improve the universality of device-independent passive human detection. Thirdly, the amplitude response information is used to quantify the radio perception ability of the receiver, which helps to select the position of the receiver with high perception. The fine-grained device-independent passive human body localization model based on S classification principle can improve the range and accuracy of indoor wireless device-independent passive localization and reduce the number of blind spots in the monitoring area. Finally, based on the difference and correlation of channel state information at different frequencies, a high-precision indoor device-independent passive location model is proposed. This paper makes full use of the frequency selective fading characteristic of channel response. Two novel passive human localization algorithms, weighted Bayesian localization and maximum similarity matrix localization, are studied under the condition of single link. Supervised learning technique is used to further improve the accuracy of passive human localization. Mean location error also reflects the stability and efficiency of channel response in device independent passive location.
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN92

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歸琳,韓雁,鄒志永,吳稟圣,仇佩亮;快速信道響應(yīng)估計(jì)算法及其應(yīng)用[J];電路與系統(tǒng)學(xué)報(bào);2001年04期

2 張福新,季建峰,樓建東;利用訓(xùn)練序列進(jìn)行無線信道響應(yīng)的低價(jià)估計(jì)[J];微計(jì)算機(jī)信息;2005年05期

3 楊曉東,牟松會(huì),楊日杰,趙俊渭;快速實(shí)現(xiàn)盲序列估計(jì)的一種新算法[J];電子科學(xué)學(xué)刊;2000年01期

4 黃勇;;基于信道響應(yīng)算法的OFDM多徑同步技術(shù)[J];通信技術(shù);2013年11期

5 高猛;崔桐;任曉亞;趙守俊;;LOFDM系統(tǒng)信道響應(yīng)和時(shí)延擴(kuò)展聯(lián)合估計(jì)[J];指揮信息系統(tǒng)與技術(shù);2013年05期

6 李金磊;李為;熊春林;王德剛;魏急波;;一種基于大數(shù)邏輯判決和信道響應(yīng)的HARQ算法[J];信號(hào)處理;2011年09期

7 孫林;吳相林;羅松濤;周莉;張紅艷;;基于人體檢測的網(wǎng)絡(luò)商品圖像分類算法[J];微計(jì)算機(jī)信息;2010年29期

8 丁建浩;耿衛(wèi)東;王毅剛;;基于多部位多示例學(xué)習(xí)的人體檢測[J];模式識(shí)別與人工智能;2012年05期

9 王敏;趙娜娜;劉忠杰;黃榜;宋小波;朱擎飛;;視頻中的人體檢測算法[J];自動(dòng)化博覽;2013年02期

10 孫宏國;李天然;蒲寶明;張全發(fā);王慧靜;;復(fù)雜背景下人體檢測算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年04期

相關(guān)會(huì)議論文 前4條

1 孫慶杰;;基于顏色量化的人體檢測[A];全國第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

2 龔華;李繼云;;運(yùn)動(dòng)人體檢測算法比較研究[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 顧爽;陳啟軍;;基于邊緣類型比率特征的人體檢測算法[A];2011年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

4 陳亞菲;張寶昌;;基于L2-norm最小化的人體檢測[A];第八屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 成都 胥紹禹 編譯;人體檢測夜間自動(dòng)照明燈[N];電子報(bào);2007年

相關(guān)博士學(xué)位論文 前7條

1 宮良一;基于信道響應(yīng)的室內(nèi)設(shè)備無關(guān)被動(dòng)人體定位研究[D];哈爾濱工程大學(xué);2016年

2 林逸峰;基于計(jì)算機(jī)視覺的人體檢測和人臉識(shí)別[D];吉林大學(xué);2012年

3 劉亞洲;基于時(shí)空分析和多粒度特征表示的人體檢測方法研究[D];哈爾濱工業(yè)大學(xué);2009年

4 丁建浩;基于單目視覺的人體檢測和運(yùn)動(dòng)恢復(fù)[D];浙江大學(xué);2013年

5 李春明;視頻圖像中的運(yùn)動(dòng)人體檢測和人臉識(shí)別[D];西安電子科技大學(xué);2005年

6 倪洪印;基于視頻的人體檢測與目標(biāo)跟蹤方法研究[D];吉林大學(xué);2014年

7 于海濱;基于頭部特征提取的人體檢測與跟蹤及其應(yīng)用[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 姚河花;基于梯度方向直方圖的人體檢測算法的改進(jìn)[D];電子科技大學(xué);2014年

2 翟淵;基于電子巡考系統(tǒng)的缺考、代考預(yù)警研究[D];復(fù)旦大學(xué);2013年

3 吳亞順;基于視頻序列的運(yùn)動(dòng)人體檢測和跟蹤[D];西華大學(xué);2015年

4 武文靜;監(jiān)控視頻中的人體檢測與跟蹤算法研究[D];東南大學(xué);2015年

5 戴蕭何;基于RGB-D數(shù)據(jù)的人體檢測與跟蹤[D];浙江大學(xué);2016年

6 劉顯標(biāo);安防視頻中人體及人臉檢測的研究[D];昆明理工大學(xué);2016年

7 劉陽;視頻人體檢測方法研究[D];南京信息工程大學(xué);2016年

8 張恒瑜;基于卷積神經(jīng)網(wǎng)絡(luò)的多部位人體檢測[D];北京工業(yè)大學(xué);2016年

9 董志聰;超低空無人飛行器人體檢測算法研究[D];湖南大學(xué);2015年

10 周卓;人體再識(shí)別算法研究[D];東南大學(xué);2016年

，

本文編號(hào)：2226421