基于Wi-Fi的室内定位和活动识别研究

Serving as an indispensable part for realizing pervasive sensing, wireless signal-based indoor sensing technology has been widely employed in intelligent security, health surveillance, localization and navigation. By utilizing only commodity Wi-Fi devices, this project will study Wi-Fi-based wireless sensing, especially indoor localization and activity recognition. Firstly, we plan to investigate both angle-of-arrival estimation-based triangulation localization algorithm and deep learning-based location fingerprint extraction method, in aim to improve the precision and robustness of indoor localization. Moreover, to solve the prerequisite of contact-free localization, we propose both signal difference-based moving human detection and fresnel propagation model-based stationary human detection, improving the reliability of human detection with regard to different human statuses. Besides, since existing activity recognition methods lack enough study of real-time segmentation for continuous activities, we propose activity segmentation algorithms based on signal time-frequency domain analysis. Finally, to reduce the searching complexity of activity recognition, we further consider location-assisted recognition algorithm which can output both location and activity of target user simultaneously. The research achievements will provide solid theoretical foundation and core technical support for a variety of relevant wireless sensing applications.

基于无线信号的室内感知技术是实现普适感知愿景的重要组成部分，被广泛应用于智能安防、健康监护、定位导航等领域。本项目针对基于Wi-Fi的无线感知问题进行研究，在仅利用商用Wi-Fi设备的前提下实现准确可靠的室内定位和活动识别。首先，针对室内定位，研究基于信号到达角估计的三角定位算法和基于深度学习特征提取的指纹定位算法，利用高分辨率的角度估计和深层次的位置特征计算，提高室内定位的精度和鲁棒性。其次，针对非接触式定位，研究基于信号差分的动态人员检测和基于菲涅尔区模型的静态人员检测，提高不同状态下人员检测的可靠性。最后，针对现有活动识别缺乏对连续活动实时切割的问题，研究连续活动切换引起的无线信号时频域变化，实现目标持续运动下的准确活动分割。同时，进一步融合室内位置信息，研究位置信息辅助的活动识别算法，降低活动识别的算法复杂度，最终同时获取目标的空间位置和活动类型，为相关的无线感知任务提供理论基础。

作为“感知通信一体化”的一部分，以Wi-Fi为代表的无线信号已经不仅被作为数据通信载体，还被广泛应用于室内定位和活动识别等无线感知领域。本项目针对现有无线感知方案感知信号不稳定、感知精度和可靠性不足等问题，提出基于Wi-Fi物理层信道状态信息的无线感知技术研究。.针对目标检测问题，利用目标移动导致的信号频域上不同子载波CSI幅度变化相关性，提取频域相关矩阵特征向量的一阶差分均值作为检测特征。在此基础上，训练出相应的支持向量机分类器，根据训练好的分类界面判断是否存在动态目标。.针对活动识别问题，考虑信号遮挡、相似手势和手势识别类型多样等复杂识别任务，结合多普勒频谱，估计出身体坐标速度谱BVP。通过堆叠三维BVP并将其重塑为三维信息管道序列输入联合时空编码器，利用编码器的多头自注意力机制对三维时空信息建模并输出表征向量。最后，通过多层感知机实现手势分类。.针对室内定位问题，针对人员定位轨迹抖动、不稳定等不合理现象，提出一种基于融合粒子滤波和地图匹配的室内人员分层定位方法。首先，使用基于信号强度概率分布与贝叶斯估计的加权定位方法获得初步的定位结果；然后，使用粒子滤波融合室内环境下人员运动的规律，修正定位轨迹；最后，通过使用定长观测序列和状态序列的隐马尔可夫模型进行地图匹配，将粒子滤波得到的结果与室内地图相结合，使得定位轨迹更加合理。