[发明专利]一种基于WiFi多普勒频移的室内目标被动跟踪方法

说明书

本发明提出了一种基于WiFi多普勒频移的室内目标被动跟踪方法。首先，利用WiFi信号子载波的信道状态信息(Channel State Information,CSI)幅值计算出离散系数，然后将其作为检测参数，并利用假设检验实现无源目标的检测；其次，对CSI进行短时傅里叶变换，得到信号的空间谱，从中提取多普勒频移值和对应的功率值，将功率值对应的时间序列作为目标移动方向标志判别特征；然后，根据对数衰减模型设计参考序列，利用动态时间规整(Dynamic Time Warping,DTW)进行序列匹配，识别出无源目标移动趋势；最后，根据多普勒频移与目标移动的几何关系估计出无源目标的移动速度，进而实现目标跟踪。相比现有的无源跟踪技术，本发明不需要进行离线数据采集和训练，且具有成本低、易于部署等优点。

技术领域

本发明涉及无线跟踪技术领域，特别涉及一种基于WiFi多普勒频移的室内目标被动跟踪方法。

背景技术

随着消费方式的升级和移动互联网的蓬勃发展，越来越多的消费电子产品已经加上了智能的标签，并逐步进入消费者的日常生活，如智能家居、安全监控、虚拟现实、增强现实等，而轨迹跟踪作为这些应用的关键技术已经成为了一个研究热点。

基于视觉的跟踪技术能够达到较高的跟踪精度，但其依赖于高分辨率的图像或视频，且只能在可视环境和光线比较充足的环境下工作，在夜晚和昏暗等光线较暗的环境下精度严重降低，此外，该技术还涉及用户隐私且成本较高。近年来，随着无线网络技术的发展，基于无线信号的感知技术成为人们的研究热点。相比传统的无线主动跟踪技术，其需要用户携带移动设备或穿戴可穿戴设备，降低了用户的便利性，且在某些场景下并不适用例如入侵检测、行为监测；因此，基于无线信号的无源目标跟踪得到了许多研究学者的关注。在目前的无源跟踪技术中有些方法需要利用特定的设备例如雷达或自定义的硬件设备进行信号收发，其设备昂贵且普适性不强；部分算法需要在离线阶段采集数据并进行特征模型训练，然后在线采集数据进行匹配，这些方法容易受环境影响，即当室内环境发生变化时，例如物品位置改变或在环境中增加体积较大的物品，则需要重新采集数据训练。

发明内容

基于上述现有跟踪技术的缺陷和不足，本发明提供了一种基于WiFi多普勒频移的室内目标被动跟踪方法。相比于传统的跟踪技术，本发明不需要目标携带任何信号收发设备，且不需要进行离线数据的采集与训练。此外，本发明利用现有WiFi设备，成本低且易于部署。

本发明所采用的技术方案为：一种基于WiFi多普勒频移的室内目标被动跟踪方法，具体包括以下步骤：

1)WiFi接收机提取接收信号的信道状态信息(Channel State Information,CSI)幅值 |H(f,t)|在时间窗口T内的离散系数c作为检测参数，将相邻时间窗口内的离散系数比R作为目标检测特征，利用假设检验进行无源目标检测；

2)对CSI的功率|H(f,t)|²进行短时傅里叶变换得到时频空间谱，提取功率-时间序列M_e作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征，其中1代表无源目标远离收发链路，信号传播路径长度增长，-1代表无源目标靠近收发链路，信号传播路径长度减小；

3)利用对数函数生成的功率-时间序列作为参考序列，将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M_-1，将随时间对数减少的功率序列作为目标远离收发链路的参考序列M₊₁；

进一步，对于所述步骤1)中无源目标检测，具体包括：

首先，计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A，其表示为：