一种基于WiFi多普勒频移的室内目标被动跟踪方法技术

本发明专利技术提出了一种基于WiFi多普勒频移的室内目标被动跟踪方法。首先，利用WiFi信号子载波的信道状态信息(Channel State Information,CSI)幅值计算出离散系数，然后将其作为检测参数，并利用假设检验实现无源目标的检测；其次，对CSI进行短时傅里叶变换，得到信号的空间谱，从中提取多普勒频移值和对应的功率值，将功率值对应的时间序列作为目标移动方向标志判别特征；然后，根据对数衰减模型设计参考序列，利用动态时间规整(Dynamic Time Warping,DTW)进行序列匹配，识别出无源目标移动趋势；最后，根据多普勒频移与目标移动的几何关系估计出无源目标的移动速度，进而实现目标跟踪。相比现有的无源跟踪技术，本发明专利技术不需要进行离线数据采集和训练，且具有成本低、易于部署等优点。

An Indoor Target Passive Tracking Method Based on WiFi Doppler Frequency Shift

A passive indoor target tracking method based on WiFi Doppler frequency shift is proposed. Firstly, the discrete coefficients are calculated by using the channel state information (CSI) amplitude of WiFi signal subcarriers, and then the discrete coefficients are taken as detection parameters, and the passive target detection is realized by hypothesis test. Secondly, the spatial spectrum of the signal is obtained by short-time Fourier transform of CSI, from which the Doppler frequency shift and corresponding power values are extracted, and the power values are corresponded. Time series is used as the distinguishing feature of target moving direction sign; then, reference sequence is designed according to logarithmic attenuation model, and dynamic time warping (DTW) is used for sequence matching to identify the moving trend of passive target; finally, the moving speed of passive target is estimated according to the geometric relationship between Doppler frequency shift and target moving, and then target tracking is realized. Compared with the existing passive tracking technology, the invention does not require off-line data acquisition and training, and has the advantages of low cost and easy deployment.

【技术实现步骤摘要】
一种基于WiFi多普勒频移的室内目标被动跟踪方法
本专利技术涉及无线跟踪
，特别涉及一种基于WiFi多普勒频移的室内目标被动跟踪方法。
技术介绍
随着消费方式的升级和移动互联网的蓬勃发展，越来越多的消费电子产品已经加上了智能的标签，并逐步进入消费者的日常生活，如智能家居、安全监控、虚拟现实、增强现实等，而轨迹跟踪作为这些应用的关键技术已经成为了一个研究热点。基于视觉的跟踪技术能够达到较高的跟踪精度，但其依赖于高分辨率的图像或视频，且只能在可视环境和光线比较充足的环境下工作，在夜晚和昏暗等光线较暗的环境下精度严重降低，此外，该技术还涉及用户隐私且成本较高。近年来，随着无线网络技术的发展，基于无线信号的感知技术成为人们的研究热点。相比传统的无线主动跟踪技术，其需要用户携带移动设备或穿戴可穿戴设备，降低了用户的便利性，且在某些场景下并不适用例如入侵检测、行为监测；因此，基于无线信号的无源目标跟踪得到了许多研究学者的关注。在目前的无源跟踪技术中有些方法需要利用特定的设备例如雷达或自定义的硬件设备进行信号收发，其设备昂贵且普适性不强；部分算法需要在离线阶段采集数据并进行特征模型训练，然后在线采集数据进行匹配，这些方法容易受环境影响，即当室内环境发生变化时，例如物品位置改变或在环境中增加体积较大的物品，则需要重新采集数据训练。
技术实现思路
基于上述现有跟踪技术的缺陷和不足，本专利技术提供了一种基于WiFi多普勒频移的室内目标被动跟踪方法。相比于传统的跟踪技术，本专利技术不需要目标携带任何信号收发设备，且不需要进行离线数据的采集与训练。此外，本专利技术利用现有WiFi设备，成本低且易于部署。本专利技术所采用的技术方案为：一种基于WiFi多普勒频移的室内目标被动跟踪方法，具体包括以下步骤：1)WiFi接收机提取接收信号的信道状态信息(ChannelStateInformation,CSI)幅值|H(f,t)|在时间窗口T内的离散系数c作为检测参数，将相邻时间窗口内的离散系数比R作为目标检测特征，利用假设检验进行无源目标检测；2)对CSI的功率|H(f,t)|2进行短时傅里叶变换得到时频空间谱，提取功率-时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征，其中1代表无源目标远离收发链路，信号传播路径长度增长，-1代表无源目标靠近收发链路，信号传播路径长度减小；3)利用对数函数生成的功率-时间序列作为参考序列，将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M-1，将随时间对数减少的功率序列作为目标远离收发链路的参考序列M+1；进一步，对于所述步骤1)中无源目标检测，具体包括：首先，计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A，其表示为：其中，K是子载波数，fc是中心频率，fk和|H(fk,t)|分别表示第k个子载波在t时刻的频率和对应的CSI幅值。利用多子载波CSI幅值自协方差矩阵Rxx＝cov(HT)的最大特征值作为方差更能体现信号的偏离程度，其标准差可表示为：其中，cov(·)表示求自相关矩阵，|HT|表示时间窗口T内的K个子载波的CSI幅值，max(·)表示取最大值，λ表示自协方差矩阵Rxx的特征值集合。然后，将相邻时间窗口的离散系数比作为检测参数。由于在静默环境下有R～N(1,σR)，利用假设检验原理计算出静态环境下R阈值区间为：1-σR×zα/2<R<1+σR×zα/2(3)其中，σR表示监测时间内R的方差，zα/2表示在显著性水平α时的分位点。当R值在阈值区间以外时，则认为有目标在监测区域运动，反之则认为没有目标运动。进一步，对于所述步骤3)中参考模板构建，具体包括：室内信号传播常采用对数正态模型，可表示为：P(d)＝P(d0)-10nlg(d/d0)(4)P(d)是在收发设备相隔d时接收到的信号功率值，P(d0)是在收发设备相隔为d0(一般取1m)时的信号功率值，n是路径损耗系数。信号接收功率的变化与信号传播路径d成反比。将时间窗口w内的功率-时间序列作为参考序列，其表示为：Pw＝μp-10lg(D)(5)其中，μp是w时间内实测信号的能量均值，D＝[d1d2...dw]是在检测范围内的信号传播路径长度的变化序列。将路径长度不断增长时的Pw作为远离链路的参考序列M+1，将路径长度不断减少时的Pw作为靠近链路的参考序列M-1。附图说明图1为本专利技术系统流程图图2为本专利技术信号传播系统图图3为本专利技术速度分解示意图具体实施方式下面结合附图对本专利技术作进一步详细描述：本专利技术所采用的技术方案为：一种基于WiFi多普勒频移的室内目标被动跟踪方法，具体包括以下步骤：1)WiFi接收机提取接收信号的信道状态信息(ChannelStateInformation,CSI)幅值|H(f,t)|在时间窗口T内的离散系数c作为检测参数，将相邻时间窗口内的离散系数比R作为目标检测特征，利用假设检验进行无源目标检测；具体步骤包括：首先，计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A，其表示为：其中，K是子载波数，fc是中心频率，fk和|H(fk,t)|分别表示第k个子载波在t时刻的频率和对应的CSI幅值。利用多子载波CSI幅值自协方差矩阵Rxx＝cov(HT)的最大特征值作为方差更能体现信号的偏离程度，其标准差可表示为：其中，cov(·)表示求自相关矩阵，|HT|表示时间窗口T内的K个子载波的CSI幅值，max(·)表示取最大值，λ表示自协方差矩阵Rxx的特征值集合。然后，将相邻时间窗口的离散系数比作为检测参数。由于在静默环境下有R～N(1,σR)，利用假设检验原理计算出静态环境下R阈值区间为：1-σR×zα/2<R<1+σR×zα/2(3)其中，σR表示监测时间内R的方差，zα/2表示在显著性水平α时的分位点。当R值在阈值区间以外时，则认为有目标在监测区域运动，反之则认为没有目标运动。2)对CSI的功率|H(f,t)|2进行短时傅里叶变换得到时频空间谱，提取功率-时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征，其中1代表无源目标远离收发链路，信号传播路径长度增长，-1代表无源目标靠近收发链路，信号传播路径长度减小；具体步骤包括：接收到的CSI包括静态反射和动态反射信号，其中静态反射信号的信道频率响应不随时间发生改变，动态反射信号随着目标移动而发生变化，表示为：其中，Hs(f)表示的是所有静态路径的信道状态信息，表示所有动态反射信号的信道状态信息，λ表示信号波长，αn(t)、sn(t)分别表示第n条路径的衰减和传播路径长度，ψ表示由载波频率和时钟偏移引起的未知相位偏移。利用CSI功率|H(f,t)|2来消除未知的相位偏移，利用巴特沃斯带通滤波器滤除高频和低频噪声，然后对滤波后的CSI功率进行短时傅里叶变换，得到包含多普勒频移、功率、时间的空间谱图。然后从中提取每个时刻的多普勒频移和对应的功率值，将功率-时间序列作为方向判别S∈{1,-1}的特征。当无源目标远离收发链路时，即信号传播路径长度增加，令S＝1，当目标靠近链本文档来自技高网...

【技术保护点】
1.一种基于WiFi多普勒频移的室内目标被动跟踪方法，其特征在于，包括以下步骤：1)WiFi接收机提取接收信号的信道状态信息(Channel State Information,CSI)幅值|H(f,t)|在时间窗口T内的离散系数c作为检测参数，将相邻时间窗口内的离散系数比R作为目标检测特征，利用假设检验进行无源目标检测；2)对CSI进行短时傅里叶变换得到时频空间谱，提取功率‑时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,‑1}的判别特征，其中1代表无源目标远离收发链路，信号传播路径增长，‑1代表无源目标靠近收发链路，信号传播路径减小；3)利用对数函数生成的功率‑时间序列作为参考序列，将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M‑1，将随时间对数减少的功率序列作为目标远离收发链路的参考序列M+1。

【技术特征摘要】
1.一种基于WiFi多普勒频移的室内目标被动跟踪方法，其特征在于，包括以下步骤：1)WiFi接收机提取接收信号的信道状态信息(ChannelStateInformation,CSI)幅值|H(f,t)|在时间窗口T内的离散系数c作为检测参数，将相邻时间窗口内的离散系数比R作为目标检测特征，利用假设检验进行无源目标检测；2)对CSI进行短时傅里叶变换得到时频空间谱，提取功率-时间序列Me作为无源目标相对于接收机运动方向的标志S∈{1,-1}的判别特征，其中1代表无源目标远离收发链路，信号传播路径增长，-1代表无源目标靠近收发链路，信号传播路径减小；3)利用对数函数生成的功率-时间序列作为参考序列，将随时间对数增长的功率序列作为无源目标靠近收发链路的参考序列M-1，将随时间对数减少的功率序列作为目标远离收发链路的参考序列M+1。2.基于权利要求1中所述的一种基于WiFi多普勒频移的室内目标被动跟踪方法，其特征在于：所述步骤1)中无源目标检测，具体包括：首先，计算在时间窗口T的离散系数其中μ、σ分别是T时间内的CSI幅度均值和均方差。计算均值时所用的数据是CSI有效幅值A，其表示为：其中，K是子载波数，fc是中心频率，fk和|H(fk,t)|分别表示第k个子载波在t时刻的频率和对应的CSI幅值。利用多子载波CSI幅值自协方差矩阵Rxx＝cov(HT)的最大特征值作为方差更能体现信号的偏离程...

【专利技术属性】
技术研发人员：田增山，李勇，李泽，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50