基于CSI的室內監(jiān)控系統(tǒng)

1、精選文檔 基于CSI的室內監(jiān)控系統(tǒng) 、摘要 隨著無線互聯(lián)網與基礎設施的進展與完善，室內監(jiān)控系統(tǒng)有了長足的進展，從基于紅外，超聲波的室內監(jiān)控，到攝像頭的室內監(jiān)控。然而，以上方法均具有局限性，本文基于wifi的室內定位技術，利用信道狀態(tài)信息(CSI ,Chanel State Information），提出了一種室內監(jiān)控機制，有效的彌補了以上方法的不足。關鍵詞：wifi 室內監(jiān)控 csi名目基于CSI的室內監(jiān)控系統(tǒng)1摘要2第一章 緒論41.1 爭辯背景41.2 室內監(jiān)控現(xiàn)狀51.2.1 視頻室內監(jiān)控51.2.2 紅外線室內監(jiān)控51.2.3 超聲波室內監(jiān)控61.3 無線感知爭辯現(xiàn)狀61.3.1 RS

2、SI71.3.2 CSI81.4 本文主要工作10其次章指紋數據庫建立11第三章 人體識別匹配算法133.1 余弦相像度匹配算法14第四章 總結15附錄16 第一章 緒論 1.1 爭辯背景 隨著無線網絡的進展，基于wifi的無線局域網技術已經得到廣泛的應用，它可以通過無線電波進行路由器和主機之間的信息交互，然而無線電波的應用遠不止與此，它不僅可以進行通信內容的傳播，還可以用來進行環(huán)境感知，人體檢測和無線定位等，這是利用了無線電波在室內傳播過程中遇到多種障礙如家具，墻壁和人體等，進行了反射、衍射和折射，接收機收到的無線電波信號則是這些信號的多路疊加，雖然多路疊加不能真實再現(xiàn)原來無線電波的樣子，但

3、這些被轉變的多路疊加的無線電波卻因此帶有能反映室內環(huán)境的信息，只要我們對這些信號加以分析，我們便能再現(xiàn)無線電波傳播范圍內的室內環(huán)境的原來面貌，因此我們可以用無線電波來感知室內環(huán)境，將這種方法應用到日常生活的多個方面，比如通過無線感知進行室內監(jiān)控和室內定位，在這里我們將無線感知應用到室內監(jiān)控系統(tǒng)上，較以前的室內監(jiān)控系統(tǒng)，通過無線感知的室內監(jiān)控系統(tǒng)具有優(yōu)良的性能以及更加簡潔的設備，基于wifi無線感知的室內監(jiān)控系統(tǒng)必要硬件設備只有一臺能放射無線電波的wifi路由器和接受無線電波的電腦（內置有無線網卡），設備簡潔且是一般家庭大多都具備的。從性能上講，由于wifi路由器放射無線電波是向四周八方無死角放

4、射，所以室內各個隱蔽的角落都能被感知到，將接收到的無線電波與標準進行比對，進行分析，就可以推斷是否有人入侵。1.2 室內監(jiān)控現(xiàn)狀 1.2.1 視頻室內監(jiān)控通過在室內安裝攝像頭進行對室內狀況的監(jiān)控，這種方式大多是人為監(jiān)控，不能很好地實現(xiàn)自動化，且應用場合只有在博物館等公共場合，在居民住房內則會涉及隱私問題，具有肯定的局限性。1.2.2 紅外線室內監(jiān)控 紅外線檢測可分為主動監(jiān)控和被動監(jiān)控。主動紅外監(jiān)控工作原理是：放射機發(fā)出一束經調制的紅外光束，被紅外接收機接收，從而形成一條紅外光束組成的警戒線。當被探測目標侵入該警戒線時，紅外光束被部分或全部遮擋，此時接收機接收的信號就會發(fā)生變化，它經放大與信號處

5、理后，即把握發(fā)出報警信號。但是，由于主動紅外探測器本身的技術缺陷，很簡潔受到其它介質的影響而產生誤報，也簡潔引起漏報，而且對硬件的要求較高。被動紅外監(jiān)控的工作原理是：人體恒定的體溫會發(fā)出特定波長10m左右的紅外線，被動紅外探測器就是靠探測人體放射的10m左右的紅外線而進行工作的。人體放射的10m左右的紅外線通過菲涅爾濾光片增加后聚集到紅外感應源上。紅外感應源通常接受熱釋電元件，這種元件在接收到人體紅外輻射溫度發(fā)生變化時就會失去電荷平衡，向外釋放電荷，后續(xù)電路經檢測處理后就能產生報警信號。這對硬件的要求也很高。1.2.3 超聲波室內監(jiān)控此原理是人體的移動會干擾到超聲波的傳遞，通過此原理可以設置超

6、聲波報警器，精密的探測是否有入侵者移動干擾到超聲波的傳遞，但這種探測很可能產生誤報，同時也受到硬件的限制，有肯定的局限性。1.3 無線感知爭辯現(xiàn)狀 這種檢測方法通過接受帶有環(huán)境信息的無線電波，對無線電波進行分析，看其攜帶的信息是否有特別，即和指紋數據庫中存儲的無線電波狀態(tài)進行比對，發(fā)覺有相像的即認為有入侵者進入到無線電波掩蓋范圍內的空間中，我們這里對指紋數據庫的建立是采集各個室內各個空間內有人時的無線電波狀態(tài)量。接受這種方式便不易造成誤判，應為小動物或風吹草動造成多路疊加的無線電波狀態(tài)量就不易和指紋數據庫中的采集因人造成多路疊加的無線電波的狀態(tài)量進行匹配，而且通過這種方式進行檢測，所需的硬件配

7、置便是大多數家庭中就有的wifi路由器和帶有無線網卡的電腦，這種室內監(jiān)控系統(tǒng)便可以在一般家庭中普及開來，局限性很小。 要實現(xiàn)此檢測技術，我們首先要面對的是如何處理這些帶有環(huán)境信息的無線電波，也就是如何對無線電波進行分析，在這里我們找到了兩種具有代表性的方法，即RSSI和CSI。 1.3.1 RSSI RSSI即Received Signal Strength Indication，也就是接收的信號強度指示，這種方法是通過對接受到無線電波的強弱對無線電波在傳播過程中所遇到的各種環(huán)境因素進行解析的方法。用接收信號強度推斷接收機與放射機的距離或表征接收機的位置特點是傳統(tǒng)無線感知接受的重要方法之一。舉

8、個例子，假如手機接收到的Wi-Fi 信號較弱，可能是由于手機距離無線路由器較遠；而假如手機接收到的Wi-Fi 信號強度驟降，很可能是由于手機進入了某些特定的封閉空間如電梯等。而RSSI是利用接收信號強度進行無線室內定位的具有代表性的方法之一，在本文中，我們僅對其分析無線電波的方法進行敘述和利用。為了獵取信號的特征，在RSSI的具體實現(xiàn)中做了如下處理：在104us內進行基帶IQ功率積分得到RSSI的瞬時值，即RSSI（瞬時）=sum（I2+Q2）；然后在約1秒內對8192個RSSI的瞬時值進行平均得到RSSI的平均值，即RSSI（平均）=sum（RSSI(瞬時）)/8192，同時給出1秒內RSS

9、I瞬時值的最大值和RSSI瞬時值大于某一門限時的比率（RSSI瞬時值大于某一門限的個數/8192）。RSSI的缺點就是它在室內只能分析多路徑疊加后的信號，而不能逐一區(qū)分多條信號的傳播路徑，因而在室內，RSSI可能會由于采集到多路疊加的信號后信號強度變強，而不是由于距離變近使得信號變強，這樣一來遇到多路疊加的信號，RSSI可能不會隨著傳播距離的增加而減小，反而還可能增大，這種狀況對RSSI的精度造成了很大的局限性，在很多狀況下很可能造成誤判。1.3.2 CSICSI即Channel State Information，也就是信道狀態(tài)信息，它是正交頻分復用（OFDM）下的子載波，在每個子載波上均有

10、不同的幅度和相位信息，因此可以利用CSI供應不同子載波具體的幅度和相位信息。 之前講過，RSSI分析無線電波精確度不高是由于RSSI不能逐一區(qū)分多條信號傳播路徑，使得多條信號疊加對RSSI反應的正確結果產生影響，要想得到對多路疊加信號的精確分析，我們可以接受信道沖擊響應(Channel Impulse Response, CIR)建模，在線性時不變的假設下，CIR 可表示為： h=i=1naie-ji(-i) 其中ai，i和i分別為第i條路徑的幅度衰減、相位偏移和時間延遲，N 為傳播路徑總數，為狄克拉脈沖函數。式中的每一項從時域上表示了一條傳播路徑的幅度、相位和時延。由于多徑傳播在頻域上表現(xiàn)為

11、頻率選擇性衰落，因而也可通過信道頻率響應(Channel Frequency Response, CFR) 刻畫多徑傳播。CFR 包括幅頻響應和相頻響應。在無限帶寬的條件下，CFR 和CIR 互為傅里葉變換。 因此對多路疊加的信號進行精確的分析便是要求我們精確的將CFR測量到，但CFR是一個連續(xù)的值，要將其精確的測量到難度較大，所以我們的測量只能是盡可能多的采集Wi-Fi 帶寬內的CFR 的K個離散采樣值，而這時我們就能用到CSI，利用現(xiàn)成的網卡以及微調過的驅動程序,可以以CSI的形式輸出WiFi帶寬范圍內CFR的一個采樣版本 H=Hf1,Hf2,Hfi,HfNT i0,30; 每個CSI刻畫

12、了一個子載波的幅度和相位信息Hfi=Hfiejsin| Hfi|其中，Hfi為中心頻率fi的子載波的CSI, Hfi代表相位，CSI在幅度和相位上刻畫了無線鏈路更細粒度的時間和頻譜結構。 相較于RSSI而言，CSI的優(yōu)點便很明確，CSI從肯定程度上刻畫了多路徑傳播，一方面，CSI 可以同時測量多個子載波的頻率響應，而非全部子載波疊加的總體幅度響應，從而更加精細地刻畫頻率選擇性信道。另一方面，CSI 既可測量每個子載波的幅度，還可測量每個子載波的相位信息。CSI 將單值的RSSI 擴展至頻域，并且附加了相位信息，從頻域上為無線感知供應了更為豐富、細粒度的信道狀態(tài)信息。因此我們可以認為CSI是RS

13、SI的升級版。 1.4 本文主要工作 無線感知的核心目標是依據信道狀態(tài)信息（幅度，相位）對目標空間的無線環(huán)境狀態(tài)及其瞬時變化開放環(huán)境感知度量并據此進行人體的識別，可以識別出室內是否有人。 依據上述對RSSI和CSI的介紹和性能分析，相對于精確性差的RSSI來說，CSI不僅有較高的精確度，還可以從幅度和相位兩方面更加細致的反應信道狀態(tài)信息，從而可以提升對環(huán)境的感知力量，因此我們毫無疑問地選擇CSI作為分析無線電波的方法。圍繞這個目標，本文分為兩部分：第一部分基于信道狀態(tài)信息的無線動作感知指紋庫；其次部分是以無線感知為核心的人體匹配算法。 其次章指紋數據庫建立上文我們可以通過CSI做到對接收到的無

14、線電波的狀態(tài)量進行刻畫，得到接收的無線電波狀態(tài)量之后，我們并不能知道在這個狀態(tài)量下是否有入侵者在室內移動，這個狀態(tài)量只是對當前環(huán)境的一種表征，具體這是怎樣一種環(huán)境，我們并不能從狀態(tài)量上直接看出，狀態(tài)量只是較為唯一的表示當前環(huán)境狀態(tài)的量，我們要做的只是將我們自己所觀看到的環(huán)境同目前采集到的狀態(tài)量進行一一映射，通過映射關系我們便能從狀態(tài)量中得知當前環(huán)境的狀況，也就是說要實現(xiàn)從狀態(tài)量得知當前環(huán)境狀況我們還要建立一個映射數據庫，將具體環(huán)境狀況同相應的狀態(tài)量的映射存入數據庫中去，這種唯一表征環(huán)境狀態(tài)的數據庫我們可以稱之為指紋數據庫。由于我們要實現(xiàn)的是室內監(jiān)控功能，也就是我們的目標是檢測到當前室內是否有入

15、侵者，從這個角度上看，我們用以進行映射的環(huán)境因素可限制為房間的某個位置有個人，就是在建立數據庫過程中，我們找一個一般身高的人站在各個位置，然后放射無線電波，在接收端接收，并將該狀態(tài)量記錄下來，和環(huán)境中人的位置進行一一映射，到時候在系統(tǒng)工作時，將檢測到的狀態(tài)量和指紋數據庫中的狀態(tài)量進行比對，若相像度達到某個值，說明某位置很可能有個人，之所以這樣采集是由于可能還有小貓小狗在室內活動，未排解檢測誤差，我們就實行直接將人站在某位置的信息存入數據庫. 指紋數據庫建立的具體過程如下：針對參考點j，假設我們收集到了M組CSI值，而每組CSI又包含s個值?？紤]到信號在傳輸過程中存在衰落，導致不同子信道的CSI

16、值可能不同，但由于在室內環(huán)境中，OFDM中各子信道是相互獨立的，互不干擾，又由于各子信道同時產生衰落的概率很小，為了削減因信號衰落產生的誤差，我們打算對每組CSI值進行平均加權處理，CSI平均加權的方式由下式給出：hj(i)=1kk=1sfkf0Ak k1,2,s其中，fk代表第k個子信道的頻率，f0為中心頻率，|Ak|是第k個子信道的振幅，S則是子信道的個數。通過對每組CSI值做平均加權處理，我們可以得出這個參考點某個組的CSI記錄值，即 H=hj1,hj2,hj(M)在本次設計中我們只需要一組CSI記錄值，因此我們還需再做一次平均處理，由下式所示：ER=1Mi=1MHi由此我們對房間內的n

17、多個參考點進行CSI采樣并且對其進行平均加權處理后得出的CSI記錄值E(R)可為指紋數據庫中的存儲值，這樣指紋數據庫就建成了。 第三章 人體識別匹配算法之前我們建立數據庫屬于離線訓練階段，將人體在室內的不同位置的無線電波狀態(tài)量存入指紋數據庫，并為環(huán)境特征和CSI狀態(tài)量建立映射關系，接下來的工作便是在線匹配階段，就是采集測試環(huán)境中的多組CSI值，并對每組CSI進行平均加權處理和對多組CSI進行平均處理后得出E(R)，到底此時的E(R)是否表征有沒有入侵者活動，還需要同指紋數據庫中的各種E(R)一一進行比對才能知曉，然而我們之前采集的數據庫并沒有包含房間內全部空間的特征信息，由于空間是連續(xù)的，我們

18、不行能將全部空間的特征值都存入數據庫，我們只能盡可能多的采集各個空間的離散值，因此在比對的過程中做到完全匹配的機率格外小，我們只能通過相像度來刻畫是否匹配成功，假如相像度達到某個閾值時就確定匹配成功。 因此在數據的匹配階段，我們還需要接受匹配算法來確定兩者之間的相像度大小，經過查找和選擇，我們最終打算使用余弦相像度匹配算法。3.1 余弦相像度匹配算法 余弦相像性是通過測量兩個向量內積空間的夾角的余弦值來判定兩個向量之間的相像程度。余弦值越接近1，其夾角越接近0，表示兩個向量越相像，如下圖 余弦相像性 兩個向量間的余弦值可以依據歐幾里得點積和量級公式推導（推導略過），上圖是三維的向量余弦，我們將其擴展到多維舉例如下：假設采集到的CSI值為m維X相量，數據庫中某個CSI特征值為m維Y相量： x1 ，x2，xm y1，y2，ym則，它們之間的余弦距離可以用它們之間夾角的余弦值來表示：cos=x1y1+x2y2+xmymx12+x