[发明专利]基于信道状态信息的无源目标分类方法

说明书

本发明涉及一种基于信道状态信息的无源目标分类方法，该方法包括下列顺序的步骤：数据收集；数据预处理；神经网络训练；分类结果。本发明具有部署成本低，分类准确度高、无需手工提取特征且保护隐私的优点；通过使用较稳定的信道状态信息代替随时间变化波动较大的接收信号强度作为基信号，对于细粒度的身高分类而言，信道状态信息相较于接收信号强度指示值可以很好的反映目标身高的差异。

技术领域

本发明涉及无线网络中的无源感知技术领域，尤其是一种基于信道状态信息的无源目标分类方法。

背景技术

目标分类在安全监测、紧急救援、边境巡逻、智能交互等领域都有很重要的应用价值。目标分类这一领域广泛使用的有三种方法，分别是基于视频图像的方法、基于合成孔径雷达(SAR)的方法以及基于传感器的方法。最著名的方法是基于视频图像和合成孔径雷达(SAR)的方法。然而，使用任一种方法的成本都相对较高，这阻碍了将它们部署用于低成本感知的可能性，且使用基于视频图像的方法有可能带来隐私泄露的风险；基于传感器的方法是混合使用多种传感器，如声学，被动红外，磁场和静电传感器进行目标分类，与前述两种方法相比，这种方法可以大大降低成本，然而，这种方法的分类准确性需要进一步提高。

无源感知技术不存在部署成本高、泄露隐私的问题。目前，基于无线信号的感知方法得到了广泛关注。无源感知(Device-free Passive,DFP)是利用无线电信号来感知周围的环境，是通过用户对无线信号的影响来感知人的动作、位置、高度等信息，可以直接弥补基于视频图像方法存在监控死角以及某些场所无法布置监控摄像头的缺陷。而且，这些技术在普通商用Wi-Fi上即可实现，直接降低了视频监控器、摄像头等探测装置的部署复杂度与安装成本，以及监控的人力成本。因此，无源感知技术在安全防护、智能家居等方面具有巨大潜力。使用无源感知进行目标分类的理论基础是：发射的RF信号由若干分量组成，并且这些分量从不同的路径到达接收端形成叠加。由于RF信号可以容易地被不同目标阻挡，反射或散射，因此每个目标都将导致信号产生不同形式的变化。通过识别和解释这些变化，可以检测并且分类不同目标的类型。

目前已有的无源目标分类系统多采用接收信号强度指示做基信号，清华大学的杨峥教授曾指出在相同条件下同一位置不同时刻的接收信号强度指示测量值也会有很大差异，这就导致使用该信号会带来分类精度不够高的问题。要想提高精度就需要部署更多的无线收发器节点，这必然导致成本的增大，所以带来了分类精度和成本之间的平衡问题。此外，大多数无源目标分类系统采用手工提取信号特征的方法，在时域、频域等找到能易于区分不同目标的特征，这会导致开销较大的问题。

发明内容

本发明的目的在于提供一种通过使用信道状态信息代替接收信号强度指示作为基信号，达到分类精度与成本之间的平衡；通过使用具有自主学习数据特征的神经网络模型代替手工提取特征，减少开销的基于信道状态信息的无源目标分类方法。

为实现上述目的，本发明采用了以下技术方案：一种基于信道状态信息的无源目标分类方法，该方法包括下列顺序的步骤：

(1)数据收集：

(1a)将一对无线信号收发器部署在监测区域内，在监测区域内固定K个用于识别分类的位置，设置100HZ的发包率；

(1b)每个目标都分别在K个位置上静止站立一段时间S，收集不同目标的信道状态信息H；所述目标为不同身高、体重站立的人；

(2)数据预处理：

(2a)对于每个目标在每个位置收集到的数据取中间稳定状态的4000个数据包，信道状态信息包含幅值和相位两种信息；

(2b)采用连续小波变换对数据进行去噪的预处理；

(3)训练神经网络分类模型：将执行完步骤(2)的数据的60％用作训练集，20％用作验证集，20％用作测试集，采用BP神经网络将训练集的数据用于训练神经网络，得到分类模型；