基于無線網(wǎng)絡(luò)的被動定位和行為識別研究.pdf

1、基于無線網(wǎng)絡(luò)的被動定位和行為識別技術(shù)（Device-Free wireless Localization and Activity Recognition，DFLAR）是近年來提出的一種新興技術(shù)。該技術(shù)在目標(biāo)不需要攜帶任何設(shè)備的條件下，僅利用目標(biāo)對無線網(wǎng)絡(luò)的遮蔽效應(yīng)對人體進(jìn)行智能感知，使傳統(tǒng)的用以通信的無線網(wǎng)絡(luò)演進(jìn)為具有人體位置和行為感知能力的智能網(wǎng)絡(luò)，在智能空間、智慧城市、智能家居等方面具有廣闊的應(yīng)用前景。
　　DFLAR問題是

2、一種模式識別問題，從測量數(shù)據(jù)中提取的反應(yīng)目標(biāo)對無線鏈路信號影響模式的特征分量對最終的識別效果至關(guān)重要。傳統(tǒng)的研究方法從測量信號中提取時域或者頻域特征來表征人體對無線鏈路的遮蔽效應(yīng)。為了進(jìn)一步確定目標(biāo)對無線鏈路的影響模式，本文探索了采用小波分解將測量數(shù)據(jù)分解到不同的頻帶，提取兩個低頻帶的過零點數(shù)，方差和能量等包含時頻域信息的特征。與傳統(tǒng)方法相比，基于小波變換的DFLAR系統(tǒng)能夠顯著提高位置估計和行為識別的性能。
　　無論是傳統(tǒng)的特征

3、提取方法還是基于小波分解的特征提取方法，均需要針對具體的問題手動設(shè)計特征，這些特征在場景發(fā)生變化或者目標(biāo)進(jìn)行不同的行為動作時不具有普適性。為了解決該問題，本文采用了基于深度學(xué)習(xí)的網(wǎng)絡(luò)模型自動的學(xué)習(xí)完備的特征表達(dá)來實現(xiàn) DFLAR。具體地，文中采用一種稀疏自編碼網(wǎng)絡(luò)自動的從信號中學(xué)習(xí)特征，并結(jié)合softmax回歸模型微調(diào)整個網(wǎng)絡(luò)實現(xiàn)分類。得益于深度特征的精細(xì)描述能力，本文基于提取的信號深度特征探索了人體更加細(xì)粒度行為對無線信號的影響模式，

4、不僅實現(xiàn)了對目標(biāo)進(jìn)行定位和行為識別，同時實現(xiàn)了對目標(biāo)的手勢識別，增加了DFLAR系統(tǒng)的智能感知范圍。
　　本文在兩套硬件測試平臺下，選取不同的實驗場景進(jìn)行了大量的實驗。實驗結(jié)果表明，基于小波分解提取的特征分量從時頻域?qū)υ夹盘栠M(jìn)行表達(dá)，因此，比傳統(tǒng)特征在目標(biāo)定位和行為識別方面性能要好，對復(fù)雜場景的適應(yīng)能力也更強(qiáng)；基于深度學(xué)習(xí)網(wǎng)絡(luò)自動提取的特征相對于手動設(shè)計的特征，不僅可以節(jié)省時間、人力，提取的特征更加魯棒，而且，對不同的實驗場景具