[发明专利]一种基于CSI的全方向步态检测算法

说明书

本发明公开了一种基于CSI的全方向步态检测算法。首先，该算法创建了人身体不同部位的运动速度与多普勒频移之间的关系模型MOFS,利用此模型从混合的CSI信息中提取出由脚步运动引起的WiFi信号频率变化成分。然后，该算法利用基于频率能量切片的频谱分割技术将频谱信息在时间轴上进行分析，根据MOFS模型，并利用能量累积百分位数法获取每一个测量点的瞬时径向步速。最后，该算法提出了WiFi信号传播路径长度变化率与行走方向的关系模型PLCR‑Dir,通过该模型实现了全方向的步行周期、步速和步长的计算。实验结果表明，基于CSI的步态检测算法相较于现有的步态检测算法检测误差更小，而且能够同时检测出步行周期、步速和步长三个步态参数。

技术领域

本发明涉及无线网络领域，尤其涉及无线网络中的动态感知技术，具体是一种基于CSI的全方向步态检测算法。

背景技术

在人的行为活动中，行走是由人体大脑控制的一项复杂的行为，而步态是人行走时所呈现出的姿势和动作，可以使用步长、步速和步行周期这三个参数来评估一个人的步态。在步态检测方面，使用比较多的检测方式是基于传感器的步态检测和基于视觉的步态检测。而利用WiFi信号进行步态检测只需要普通的家用路由器，并且感知目标不需要携带任何设备，只需要被测人员在WiFi覆盖范围内活动即可，此方式具有更好的适用性。基于人体步态的检测应用包括室内定位与导航、人体身份识别、病人恢复训练、健康检测等，具有广泛的应用前景。在这些研究领域中，信道状态信息(Channel State Information,CSI)包含相位和幅度双重信息，其具有粒度更细、稳定性更高、维度更高等特性，逐渐成为了目前相关领域研究的主流方向。

根据人体步态数据来源，可以将步态检测方法划分为三种类型：基于视觉的步态检测、基于传感器的步态检测以及基于无线网络的步态检测。

(1)基于视觉的人体步态检测技术

典型的基于视觉的步态检测与分析技术，主要是由专门的视频采集设备和计算机设备组成，然后通过相关的图形图像处理技术对采集到的视频进行处理，从而得到相关的步态信息。目前比较著名的步态检测与分析系统有Vicon光学捕捉系统和MicrosoftKinect。一方面，是由于遮挡物和光线的影响，所以此方法只适用于室内有限的位置和合适的光照条件下。另一方面，基于视觉的步态检测与分析系统需要使用高分辨率红外相机和自动图像处理软件，因而这些系统的价格非常的昂贵。而且，在家庭中，基于视觉的步态检测应用也容易发生隐私泄漏的情况。

(2)基于传感器的人体步态检测技术

基于传感器的步态研究要求使用者佩戴传感器或者使用压力传感器，这些设备彼此通过有线或无线的方式进行连接，从而进行数据收集和分析。目前使用者佩戴的步态检测传感器多是惯性传感器，惯性传感器主要通过收集腿部运动的加速度和角速度来进行步态信息的计算。基于惯性传感器的步态检测与分析系统能够提供比较可靠的步行周期信息，但是由于积分误差的问题，计算得到的步速和步长的误差较大。步态检测使用的压力传感器多是足底压力传感器，该传感器被放置于使用者的鞋底，用于测量脚连续两次触地的时间。足底压力传感器只能根据脚连续两次触地的时间来计算出步行周期，但无法测量出步速和步长等步态参数。

(3)基于无线网络的人体步态检测技术

基于无线网络的人体步态检测方式与基于传感器的步态检测方式的不同在于，前者不需要用户携带传感器就可以实现被动式的步态检测。常用的无线信号包括超声波信号、雷达波信号、WiFi信号等。基于超声波的非接触式步态检测利用机械波的多普勒效应，通过对回波进行信号处理，可将人体运动的多普勒频移信息提取出来，进而计算出人体行走的步态参数。基于雷达的微动研究也可以通过信号处理手段获取人在行走过程中由腿的摆动引起的多普勒频移，并从多普勒信息中检测出步态信息。虽然基于声波和雷达的步态检测不受光线、衣物等条件的影响，但是两者都需要特殊的超声波或者雷达波的发射装置和接收装置，限制了该技术的应用场景。