基于无线信道状态信息的跌倒检测.pdf
《基于无线信道状态信息的跌倒检测.pdf》由会员分享,可在线阅读,更多相关《基于无线信道状态信息的跌倒检测.pdf(7页珍藏版)》请在咨信网上搜索。
1、N*=0 基于无线信道状态信息的跌倒检测陈廷尉1李阳2韩凯峰2李晓阳1李航1朱光旭1(1.深圳市大数据研究院,深圳 518055;2.中国信息通信研究院移动通信创新中心,北京 100191)摘要:随着中国正式迈入老龄化社会,老年人跌倒引发的问题日益引起关注。针对这一问题,无线信号(如 Wi-Fi)感知被用于对跌倒进行及时检测与警报。无线信号感知技术依赖电磁波的反射特性,发射信号经过室内环境中各物体反射后产生不同的传播路径,叠加在一起到达接收端。由于接收信号携带了物体方位、活动状态等信息,通过将接收信号与实际物体的状态建立联系,可实现对物体进行定位与行动识别。对基于无线信道状态信息的跌倒检测进行
2、研究,并在实验环境中验证其可行性。关键词:跌倒检测;无线信号感知;信道状态信息中图分类号:TN929.11 文献标志码:A引用格式:陈廷尉,李阳,韩凯峰,等.基于无线信道状态信息的跌倒检测J.信息通信技术与政策,2023,49(9):67-73.DOI:10.12267/j.issn.2096-5931.2023.09.0100 引言随着中国正式迈入老龄化社会,近年全社会的养老压力逐年增大。经统计,跌倒已经成为引发老年人受伤甚至死亡的重要诱因之一。在中国,老人不慎摔倒很多是在家中发生的,浴室、厕所及卧室是风险较高的区域,但这几个区域也是家庭监控的难点。其原因主要包括:鉴于浴室、厕所及卧室的隐私
3、敏感性,出于隐私保护,在公共场合常见的视频监控方式无法适用;各种跌倒检测的传感器都需要将检测结果通过网络回报给监护人,但普通家庭的浴室、厕所一般无线信号覆盖都较差,容易因为网络丢包产生错报、漏报。目前常见的室内人员跌倒检测技术包括计算机视觉、可穿戴传感器以及专用的雷达硬件。尽管这些技术具备良好的应用价值,但也存在一定的缺陷。例如,计算机视觉容易涉及用户隐私,并且通常只能在光照条件良好的情况下才能工作;可穿戴传感器需要佩戴特定的设备,对于老年人而言使用十分不便;大规模部署特定的雷达硬件需要较高的成本。相比之下,基于非传感器的感知方法具备一定的优势。例如,Wi-Fi 感知不受上述条件的限制,为跌倒
4、检测提供了一个新的解决方案。该方案的优势包括:采集的无线信号信息不会干扰用户的隐私,在无光照的条件下也可正常工作;基于 Wi-Fi 的感知不需要用户佩戴特定的设备;几乎家家户户部署了 Wi-Fi 设备,76基金项目:中国科协青年人才托举工程项目(No.2022QNRC001);国家自然科学基金项目(No.62001310,No.62101235);广东省基础与应用基础研究基金(No.2022A1515010109);深圳市自然科学基金(No.JCYJ20220530113017039);深圳市大数据研究院内部项目(No.J00120230001,No.J00220230004)E0无需部署新的
5、硬件设备。Wi-Fi 感知的实现基于电磁波的反射特性。根据电磁波的传播特性,在室内环境中活动的人体等都会对信号产生反射而使电磁波产生不同的传播路径。这些路径与直射路径一起形成多径在空间中传播,并最终叠加在一起形成了接收端收到的 Wi-Fi 信号。这种叠加的信号携带了物体方位、活动状态等信息,通过算法将接收到的信号与实际物体的状态建立联系,可以对物体进行定位和行动识别。近年来,基于无线信道状态信息(Channel State Information,CSI)的跌倒检测已成为主流的方法。然而,如何从 Wi-Fi CSI 中提取特征,以及如何将这些提取的特征应用于跌倒检测,在现有文献中尚未得到全面解
6、答。因此,本文将重点关注这个未充分探索的领域,搭建实际实验环境进行数据采集,并使用机器学习的方法进行验证。1研究现状1.1 Wi-Fi 感知现状Wi-Fi 将成为一种在室内无处不在的信号。最近,基于 Wi-Fi CSI 的跌倒检测方法由于其非接触式和能够穿墙的特性引起了广泛关注。这些方法利用 Wi-Fi信号来检测跌倒,克服了对专用可穿戴传感器或相机的依赖。在早期的尝试中,WiFall 利用 CSI 来检测跌倒,无需硬件改装、额外的环境设置或可穿戴设备1。其它系统,如 Anti-Fall,也在检测率和误报率方面显示出较好的性能2。然而,当从不同环境中训练和测试数据时,传统的 Wi-Fi CSI
7、跌倒检测系统的性能会显著下降,因此,Nakamura3等使用卷积神经网络的方法对Wi-Fi CSI 频谱图进行检测,对跨环境检测进行探索。DeFall 技术利用速度和加速度在时域上的变化产生的不同模式来检测跌倒,也可以有效提升准确率并产生跨环境检测的泛化能力4。基于模型驱动的 AFall 系统也展示了 Wi-Fi CSI 相位信息在跌倒检测应用场景中的潜力5。由于跌倒检测的数据采集困难,且通过 Wi-Fi 设备提取 CSI 的难度大,因此目前针对跌倒检测相关的开源数据集较少6-8,远不能满足对基于人工智能(Artificial Intelligence,AI)的跨环境、跨人员跌倒检测模型的训练
8、需求。1.2 Wi-Fi 感知在边缘 AI 中的应用研究 作为一种普遍存在的边缘设备,Wi-Fi 设备在 AI和无线通信的交叉领域,特别是在联邦边缘学习(Federated Edge Learning,FEEL)和集成感知、通信和计算(Integrated Sensing,Communication,and Computation,ISCC)方面扮演关键角色。对于 FEEL,Liu9-10等提出了优化环境智能应用中 FEEL 性能的方法,利用联合感知、计算、通信资源分配方案和分布式集成感知和通信的垂直联邦边缘学习系统,协作识别物体或人体运动。该方法能够在设备之间共享资源和信息,同时保护数据隐私
9、。基于 Wi-Fi CSI 的跌倒检测意味着可以在保护个体数据隐私的同时,通过设备协作和资源共享来提高检测精度和系统性能。对于 ISCC,Xing11等和 Zhu12等提供了关于实现 ISCC 技术的原则和设计的深入理解,为基于 Wi-Fi CSI 的跌倒检测提供了理论指导,揭示了设计边缘 AI 时面临的挑战,对于 Wi-Fi感知和基于 Wi-Fi CSI 的跌倒检测等应用提供了理论支持,例如如何设计和优化 ISCC,以满足诸如低时延、高可靠性等需求。2 Wi-Fi CSI 感知原理本文采用 Wi-Fi CSI 进行跌倒检测,如图 1 所示,其描述了室内环境中 Wi-Fi 发射机和接收机之间的
10、典型信号传播情况。在这种设置中,发射的信号被空间中存在的各种物体(包括阻挡物)反射,如天花板、地板、人体等。如果一个物体移动,Wi-Fi CSI 根据特定的运动模式发生变化。具体而言,发射机发出的信号 X 经过信道传播后到达接收机,接收信号 Y 如公式(1)所示:Y=HX+N(1)公式(1)中,H 为 CSI,N 为噪声。通过分析 CSI值的变化,可以检测出人的运动。与其它 Wi-Fi 感知参数(如接收信号强度)相比,CSI 包含幅度以及相位信息,更能捕捉到人体运动的细粒度特征,因此可以提供更精确的活动检测。如图 2 所示,选取 Wi-Fi CSI 的一对链路中的一个子载波幅度数据,可以从中看
11、到两种不同人体动作之间的变化有所不同,因此可以通过特征提取的方法区86N*=0 分不同的人体动作。3数据采集及预处理3.1 数据收集设备本文使用了自采数据集 Falldewideo,通过定制 4个实验工作单元以同时收集 CSI。如图3 所示,每个工作单元由 1 个安装在三脚架托盘上的微型主机和 1 个监控摄像头组成。每个微型主机都配备了带有 3 个天线的 Intel 5300 网络接口卡(Network Interface Card,NIC)。这些微型主机除了通过 Wi-Fi 连接外,还通过有线网络进行同步控制,因为 Intel 5300 NIC 及其兼容工具集的通信功能会在进行 CSI 测量
12、和记录时受到影响。CSI 记录器和摄像头记录 5 s 的数据,然后暂 停 7 s,这个循环会重复 5 次。在每台机器上运行802.11n CSI Tool13和 Python 开源库 Csiread,选择HT40+模式,信道 36 和 1 000 Hz 的采样率,其中一台机器作为发射机,其他机器作为接收机。CSI图 3 数据采集设备图 1 采用 Wi-Fi CSI 进行跌倒检测的示意图150100500-50-100012345dBs150100500-50-100-150012345dBsab图 2 人体动作对应 CSI 变化96E03.2 数据采集环境本文相关数据是在两个布局不同的房间中采
13、集的(见图 4),包括 6 名志愿者的信息:年龄均为 23 岁左右;身高均为 1.750.07 m;身体质量指数(Body Mass Index,BMI)均为 23.762.66。发射机表示为 1 个空心标记,每个接收机则为 1 个实心标记。志愿者被指示在防摔垫上执行所有活动,如蓝色方形区域所示。7.84 m8.41 m0.99 m3.00 m2.92 m8.47 m1.10 m0.64 m5.69 m4.61 m1.61 m2.37 m4.14 m5.29 m2.48 m1.66 m0.62 m1.50 m9.55 m11.04 m10.04 m9.33 m0.89 m7.70 m0.71
14、m图 4 数据采集环境研究者尝试在这个活动系列中捕捉各种跌倒的运动模式。这个系列包括向前跌倒、向左跌倒、向右跌倒、坐着时跌倒以及向后跌倒。向前跌倒和向后跌倒类似于绊倒和滑倒,其它的则对应于失去意识或平衡时的活动模式和速度。这个数据集的负样本包括行走、跳跃、下蹲、弯腰、坐下、从坐着变换为站立、面朝下躺下、从面朝下躺着的位置站起来、面朝上躺下以及从面朝上躺着的位置站起来。在跌倒过程中,人的重心以极快的速度下降,人体在高度上产生快速的从高到低的转变。负样本包含了一些日常生活中最常见的动作,其高度和速度变化模式与跌倒相似。3.3 数据预处理由于硬件设备的特性如温度漂移等,在 CSI 测量过程中会存在误
15、差、采样时间偏移、载波频率偏移和数据包检测延迟,因此采集到的 Wi-Fi CSI 数据需要进行预处理操作才能使用。例如,可采用线性相位去噪的方法对收集到的 Wi-Fi CSI 的相位数据进行处理。4实验结果及分析4.1 实验设置本研究分别进行了 3 种不同的实验:不跨人员及环境实验、跨人员实验以及跨环境实验。使用准确率、精确率、召回率、F1 分数(F1 Score)这 4 种常用的二分类指标作为评估指标,并展示使用单台接收机的幅度和相位的性能以及使用 3 台接收机幅度和相位的性能。设 TP 为真正例(True Positive,即模型将正样本正确地预测为正样本),TN 为真负例(True Ne
16、gative,即模型将负样本正确地预测为负样本),FP 为假正例(False Positive,即模型将负样本错误地预测为正样本),FN 为假负例(False Negative,即模型将正样本错误地预测为负样本)。准确率(Accuracy)是分类器正确分类的样本数与总样本数之比;精确率(Precision)是分类器预测为正样本中真正的正样本的比例;召回率(Recall)是分类器正确预测的正样本占所有真正的07N*=0 正样本的比例;F1 分数(F1 Score)是精确率和召回率的调和平均值,这意味着 F1 分数只有在精确率和召回率都很高时才会很高。4 种评估指标的表达式如公式(2)(5)所示:
17、Accuracy=(TP+TN)/(TP+TN+FP+FN)(2)Precision=TP/(TP+FP)(3)Recall=TP/(TP+FN)(4)F1 Score=2PrecisionRecall/(Precision+Recall)(5)4.2 分类模型由 于 数 据 量 较 少,该 实 验 采 用 支 持 向 量 机(Support Vector Machine,SVM)的方法来提取特征进行二分类,选择了径向基函数作为核函数,表达式如公式(6)所示:K(x1,x2)=e-|x1-x2|2(6)径向基函数(Radial Basis Function,RBF)不像线性核函数那样对数据的线
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 无线 信道 状态 信息 跌倒 检测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。