[发明专利]基于信号相干特征的被动式人员运动检测与追踪方法

说明书

本发明所述基于信号相干特征的被动式人员运动检测与追踪方法，首先对目标区域进行子区域划分；离线阶段，分别采集所有链路在无人员运动和有人运动条件下的接收信号强度(RSS，Received Signal Strength)作为样本数据；接下来利用滑窗机制对不同样本数据进行分组；然后，提取不同样本的相干直方图，构成特征矩阵，用于训练softmax分类模型的系统参数；在线检测与追踪阶段，利用相同滑窗机制，实时提取同样的相干直方图特征，构成特征向量，与样本softmax模型参数进行矩阵运算，进而明确实时数据的类别，判断当前环境下人员的状态；最后联合各条链路的检测结果对人员进行实时追踪，再利用中值滤波算法修正追踪结果。本发明能够运用于无线电通信网络环境，主要面向无线局域网人员运动检测与追踪方法，解决了传统检测方法中检测正确率低的问题。

技术领域

本发明属于被动式人员运动检测技术，具体涉及基于信号相干特征的被动式人员运动检测与追踪方法。

背景技术

随着通信技术的发展，人们对高效精准的人员检测与追踪服务的需求大幅度增长。利用电子标签等对人员进行主动检测与追踪的技术已经得到了广泛的研究。但是，一些场景中，如安防、搜救、智能家居等，被检测人员可能不会或不方便携带设备，其主动实现检测与追踪的难度较大。近年来，随着Wi-Fi的普及与应用，利用现有的Wi-Fi基础设施进行被动式人员运动检测与追踪，成为人们关注的热点。该方法通过检测Wi-Fi接收信号强度值RSS(Received Signal Strength) 的变化实现人员检测与追踪，无需被测人员主动配合与额外设备，具有较高的可行性和移植性。

现有的基于Wi-Fi的被动式人员运动检测与追踪技术主要通过离线阶段提取有人运动与无人运动时的RSS统计特征用于训练分类器，在现阶段提取实时接收信号的相同特征与模板进行匹配。但统计特征的选取存在主观因素，且只包含信号的部分信息，这就使得系统适应性较弱，当环境发生变化，检测率会下降。

为了解决以上问题，有必要开发一种新的基于信号相干特征的被动式人员运动检测与追踪方法。

发明内容

本发明的目的是提供一种基于信号相干特征的被动式人员运动检测与追踪方法，它通过离线阶段利用信号间的相干特征，建立信号的相干直方图，无需利用信号的统计特征，避免了特征选择的主观性，具有较高的检测正确率和追踪准确度。

本发明所述的基于信号相干特征的被动式人员运动检测与追踪方法，包括以下步骤：

步骤一、在目标监测区域内，布置X个监测设备(Monitor Point，MP)，以及Y个无线信号接入点(Access Point，AP)，可得K＝X×Y条无线链路。

步骤二、将目标区域划分为用户感兴趣的N个目标子区域，第j条直射路径覆盖的独立区域(有且仅有一条直射路径覆盖该区域)为Aera_j，独立区域以外为非独立区域Aera_ind，并为每个区域编号。

步骤三、利用监测设备MP分别采集短时间内的K条链路的无人运动接收信号强度值序列和人员运动接收信号强度值序列采集时间都为T₁秒，采样频率为ZHZ；具体包括以下步骤。

步骤四、设计带通滤波器滤除K条无人运动RSS序列以及K条人员运动 RSS序列中的噪声。

步骤五、将滤波后的K条无人运动RSS序列与K条人员运动RSS序列归一化。

步骤六、利用滑动窗口机制对归一化后的K条无人运动RSS序列以及K条人员运动RSS序列进行分组。

步骤七、建立K条链路的样本相干直方图，构造特征矩阵。

步骤八、利用K条链路的样本特征矩阵与梯度下降法训练softmax分类模型。