适于摔倒监测的WIFI无源感知方法和系统技术方案

本发明专利技术公开了一种适于摔倒监测的WIFI无源感知方法，包括：采集无线信号中的信道状态信息，获取若干个CSI原始数据集；筛选出异常状态的CSI原始数据集，生成若干个数据样本集；创建行为识别模块；实时采集无线信号中的信道状态信息，获取CSI实时数据集，将异常状态的CSI实时数据集导入行为识别模块，判断当前行为类别，根据识别出的行为类别，生成对应的警报信号。本发明专利技术能够从实时监测WiFi路由器的OFDM子载波链路状态信息，选择合适的特征参数及参数组合，经参数评估后给出最优组合，通过测试数据计算无线路由器在应用场合中的漏检率和错检率，经加权求和后给出最优参数，从而实现在室内环境中及时获取目标警报行为的发生。

WiFi passive sensing method and system for fall monitoring

【技术实现步骤摘要】
适于摔倒监测的WIFI无源感知方法和系统
本专利技术涉及无线体域网
，具体而言涉及一种适于摔倒监测的WIFI无源感知方法和系统。
技术介绍
随着社会老龄化进程的不断发展，我国空巢老人的比例也逐步攀升。由于这一特殊群体在生理上的原因，在单独进行日常生活时，更容易受到来自外界的意外人身伤害。其中，因行动能力的原因而造成的跌倒损伤占了很大一部分。目前国内大多数针对老人的技术研究依然只是停留在医疗照顾的消极被动层面。而在西方发达国家，特别是美国、日本，在近些年有许多大学和研究机构在政府和社会的支持下开展了人性化的、以改善老人的生活品质为目标的各种技术的研究工作。其中，可以探测老人摔倒并能够及时将这一危险状况报告到医疗监护中心的摔倒检测技术也越来越得到各大研究机构的重视。目前国内外对识别摔倒行为的方法有很多种，根据获得的信息类型以及来源不同，摔倒行为识别的方法主要分为以下四类：一是用户自行佩戴报警装置。前提是老人在摔倒后还能保持头脑清醒，这种设备一般类似于手表之类的物品，只要与之匹配一个基站，即可以完成摔倒信号的传输。功能单一，因而价格也比较低廉。只要老人摔倒后按下按钮，即可以把摔倒信号传给医疗报警系统，随即就可以通知医护人员或者家人，从而降低了老人摔倒后受伤的危险。例如飞利浦个人急救报警系统中的手表式按钮。尽管此设备在一定程度上发挥了作用，但是也不可避免的显示了它的局限性：假如老人在摔倒后失去了行动能力或者失去知觉，那么就可能无法求救。二是基于视频的摔倒检测系统。基于视频的摔倒检测系统是通过一个或几个视频摄像头捕捉人体运动的画面，运用图像处理算法，确定是否存在具有摔倒的图像特征。如由加拿大的CarolineRougier设计的通过在被监测者家中安装视频摄像头，利用计算机视觉系统提供了一种分析人体姿态的解决方案，他们通过将运动过程和人体的形态变化相结合的方法，探测被监测者是否发生了摔倒。但是，基于视频的摔倒检测系统通常因为摄像机安装在固定的地点，只能在安装了摄像机的地点进行检测，而人体是一个活动的对象，当被监测者离开视频摄像头可监测的范围时，该系统就无法检测摔倒。另外，基于视频的摔倒检测系统还可能导致被监测者个人隐私的泄漏。三是可穿戴式摔倒检测、预测系统。它是由加速度传感器，陀螺仪以及倾角传感器来进行信息的采集，继而可以通过角加速度或者线加速度的变化，并设定相应的阈值来判断是否摔倒。它根据人体运动姿态以及摔倒时动力学特性的不同，对信号进行采集和处理，可自动检测到摔倒的发生并通过无线通信发出报警。例如，美国运营商AT&T推出了一款EverThere可穿戴医疗报警装置，它内置了两个加速度计、磁力计、陀螺仪、以及一个气压计，可以检测佩戴者是否跌倒，同时自动向预定好的医疗服务中心发出警报并且可准确报告跌倒者的位置。可穿戴式摔倒检测、预测系统不会受到检测地点的限制，所以基于可穿戴摔倒检测系统比用户自行佩戴报警系统以及基于视频摔倒检测系统更适用于摔倒探测器。四是无线电检测，随着WiFi技术越来越成熟，大规模安装高速且稳定的WiFi设备己经基本实现。这类设备造价低、易安装和使用，研究者在此基础上也进行了许多研究，大部分是利用进行室内定位和室内导航。最近，研究人员利用无线射频感应技术识别人体常用动作，无线室内多径传输示意图如图2所示，在这一过程中，被测人员不需要携带任何装置设备，通过接受人体反射的电磁波来判断是否摔倒，当人体运动状态发生改变时，接受到的电磁波同样会发生变化，即CSI值发生变化，然后进行数据分析，通过模式识别的方法判断出摔倒行为。在专利号为CN201310456860.1的专利技术专利“一种人体摔倒自动检测方法及系统”中，提及了一种基于无线网络信号传输技术识别人体摔倒行为的自动检测方法，但是该专利技术并没有进一步说明动作判断模块如何实现，更加没有说明针对不同应用场所和不同监测人群，如何获取动作判断模块的最优参数；另外，在该专利技术中，动作判断模块的目标动作仅为摔倒，即，动作判断模块的学习对象只有两类，摔倒和非摔倒，无法对监测人群做细化动作识别。
技术实现思路
本专利技术目的在于提供一种适于摔倒监测的WIFI无源感知方法和系统，旨在从实时监测WiFi路由器的OFDM子载波链路状态信息，选择合适的特征参数及参数组合，经参数评估后给出最优组合，通过测试数据计算无线路由器在应用场合中的漏检率和错检率，经加权求和后给出最优参数，从而实现在室内环境中及时获取目标警报行为(如摔倒行为)的发生。为达成上述目的，结合图1，本专利技术提出一种适于摔倒监测的WIFI无源感知方法，所述方法包括：S1：采集无线信号中的信道状态信息，获取若干个CSI原始数据集。S2：筛选出异常状态的CSI原始数据集，生成若干个数据样本集。S3：创建行为识别模块，创建过程包括：S31：提取所述数据样本集的CSI特征值。S32：将提取出的CSI特征值样本分为两部分，其中一部分作为训练集，另一部分作为测试集，归一化预处理。S33：将归一化预处理后的训练集导入SVM创建行为识别模块，采用测试集对行为识别模块进行训练预测，利用交叉验证选择最佳惩罚因子c和RBF核参数g。所述CSI特征值包括标准差、信号强度偏移量、运动周期、中位数绝对偏差、四分位距、信息熵。S4：实时采集无线信号中的信道状态信息，获取CSI实时数据集，如果所述CSI实时数据集为异常状态，将CSI实时数据集导入行为识别模块，判断当前行为类别，根据识别出的行为类别，生成对应的警报信号。所述行为类别至少包括摔倒动作。进一步的，步骤S3中，利用交叉验证选择最佳惩罚因子c和RBF核参数g是指，通过计算准确率、漏检率、错检率来判断惩罚因子c和RBF核参数g的优化等级。进一步的，所述准确率、漏检率、错检率设置有对应的权重。所述漏检率的权重高于错检率的权重。进一步的，步骤S3中，所述创建过程包括：步骤S301：清空缓存区以及所有标记参数。步骤S302：导入加入特征值后的CSI数据集。步骤S303：划分训练集和测试集，并记录对应的分类标签。步骤S304：利用内置归一化函数对数据集进行归一化预处理。步骤S305：利用初始训练集和测试集进行建模和测试。步骤S306：交叉验证选择最佳参数c和g，利用最佳参数训练行为识别模块。步骤S307：采用训练完成的行为识别模块对测试集进行预测，计算并存储分类准确率、漏检率与错检率。进一步的，所述方法还包括：S5：响应于生成警报信号，发出报警，以及在设定时间后判断警报是否消除，如果已经消除，将本次警报信息反馈至行为识别模块，否则，发送求救信息至指定客户端。进一步的，步骤S2中，所述筛选出异常状态的CSI原始数据集，生成若干个数据样本集包括以下步骤：步骤S21：输入初步数据集D以及离群因子阈值ξ。步骤S21：计算每个对象的局部可达密度。步骤S21：计算每个对象的本文档来自技高网...

【技术保护点】
1.一种适于摔倒监测的WIFI无源感知方法，其特征在于，所述方法包括：/nS1：采集无线信号中的信道状态信息，获取若干个CSI原始数据集；/nS2：筛选出异常状态的CSI原始数据集，生成若干个数据样本集；/nS3：创建行为识别模块，创建过程包括：/nS31：提取所述数据样本集的CSI特征值；/nS32：将提取出的CSI特征值样本分为两部分，其中一部分作为训练集，另一部分作为测试集，归一化预处理；/nS33：将归一化预处理后的训练集导入SVM创建行为识别模块，采用测试集对行为识别模块进行训练预测，利用交叉验证选择最佳惩罚因子c和RBF核参数g；/n所述CSI特征值包括标准差、信号强度偏移量、运动周期、中位数绝对偏差、四分位距、信息熵；/nS4：实时采集无线信号中的信道状态信息，获取CSI实时数据集，如果所述CSI实时数据集为异常状态，将CSI实时数据集导入行为识别模块，判断当前行为类别，根据识别出的行为类别，生成对应的警报信号。/n

【技术特征摘要】
1.一种适于摔倒监测的WIFI无源感知方法，其特征在于，所述方法包括：
S1：采集无线信号中的信道状态信息，获取若干个CSI原始数据集；
S2：筛选出异常状态的CSI原始数据集，生成若干个数据样本集；
S3：创建行为识别模块，创建过程包括：
S31：提取所述数据样本集的CSI特征值；
S32：将提取出的CSI特征值样本分为两部分，其中一部分作为训练集，另一部分作为测试集，归一化预处理；
S33：将归一化预处理后的训练集导入SVM创建行为识别模块，采用测试集对行为识别模块进行训练预测，利用交叉验证选择最佳惩罚因子c和RBF核参数g；
所述CSI特征值包括标准差、信号强度偏移量、运动周期、中位数绝对偏差、四分位距、信息熵；
S4：实时采集无线信号中的信道状态信息，获取CSI实时数据集，如果所述CSI实时数据集为异常状态，将CSI实时数据集导入行为识别模块，判断当前行为类别，根据识别出的行为类别，生成对应的警报信号。


2.根据权利要求1所述的适于摔倒监测的WIFI无源感知方法，其特征在于，所述行为类别至少包括摔倒动作。


3.根据权利要求1所述的适于摔倒监测的WIFI无源感知方法，其特征在于，步骤S3中，利用交叉验证选择最佳惩罚因子c和RBF核参数g是指，
通过计算准确率、漏检率、错检率来判断惩罚因子c和RBF核参数g的优化等级。


4.根据权利要求3所述的适于摔倒监测的WIFI无源感知方法，其特征在于，所述准确率、漏检率、错检率设置有对应的权重；
所述漏检率的权重高于错检率的权重。


5.根据权利要求1所述的适于摔倒监测的WIFI无源感知方法，其特征在于，步骤S3中，所述创建过程包括：
步骤S301：清空缓存区以及所有标记参数；
步骤S302：导入加入特征值后的CSI数据集；
步骤S303：划分训练集和测试集，并记录对应的分类标签；
步骤S304：利用内置归一化函数对数据集进行归一化预处理；
步骤S305：利用初始训练集和测试集进行建模和测试；
步骤S306：交叉验证选择最佳参数c和g，利用最佳参数训练行为识别模块；
步骤S307：采用训练完成的行为识别模块对测试集进行预测，计算并存储分类准确率、漏检率与错检率。


6.根据权利要求1至5任意一项中所述的适于摔倒监测的WIFI无源...

【专利技术属性】
技术研发人员：庄伟，孙洁，韩悦，申义贤，张杰锋，陈一，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32