[发明专利]一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统

说明书

一种基于Wi‑Fi中CSI信号的多人动作与呼吸的检测方法，该检测方法包括以下步骤：从室内Wi‑Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；对获取得到的所有CSI信号数据进行预处理；在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型。

技术领域

本发明属于智能家居技术领域，特别涉及一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统。

背景技术

近些年，各类无线电波被运用到智能硬件设备，用来采集用户的健康、健身数据等等。在智能家居生活中，用户更希望不需要携带任何电子感知设备就能够获取自己的健康数据，这样的一种非侵入式方案正在被更多的开发。另一发面，基于WiFi中CSI(ChannelState Information，信道状态信息)信号的室内定位、指纹识别等技术在逐渐被人们所接受。通过对一些CSI信号数据分析，可以得出CSI能够将子载波信息展示的非常丰富，并展示出比较高的多径分辨能力，尤其是对非视距范围内信号微小的变化具有很高的捕获能力，CSI数据具有高灵敏度和感知区域广等特性。

在无线通信领域，CSI(Channel State Information,信道状态信息)，是通信链路的信道属性，描述了信号在每条传输路径上的衰弱因子，比如信号散射，环境衰弱，距离衰减等信息。基于802.11n协议的WiFi技术采用MIMO-OFDM系统，利用华盛顿大学的DanielHalperin提供的工具软件，可以获取一个无线通信信道中的30个子载波；最后可以得到规范化的CSI矩阵H——n*m*30的复数矩阵，其中n表示发射天线个数，m表示接受天线个数，30是子载波信息个数。

例如，一个2*3*30的信道信息的模矩阵如下所示：

中国专利文献CN106108904A，公开了“一种非接触式的人呼吸参数实时测量方法，其特征在于，包括以下步骤：(1)在人体附近产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；(2)对采集的信道状态信号CSI进行去噪处理；(3)对CSI信号分时段，使得同一时段内的统计特性一致；(4)从每一段CSI信号包含的多个子载波中提取子载波的频率ωi、周期性大小ki以及幅值Ai，进而计算得到每一段CSI信号的呼吸频率ω＝(k1ω1+k2ω2+…+kNωN)/(k1+k2+…+kN)以及呼吸幅值A＝(k1A1+k2A2+…+kNAN)/(k1+k2+…+kN)，i＝1,2…,N，N为子载波的个数”。

中国专利文献CN105962946A，公开了“一种非接触式的人体睡姿安全检测方法，包括以下步骤：在人体周围产生Wi-Fi信号，采集Wi-Fi信号中的信道状态信号CSI；提取信道状态信号CSI的周期，将周期输入给预先训练的分类器，分类器输出睡姿类型。进一步地，所述Wi-Fi信号的数量为多个，分布于人体上肢周围。进一步地，所述Wi-Fi信号的数量至少为三个，其中一个位于人体上肢的左侧，另一个位于人体上肢的右侧，余下的一个位于人体头部的周围”。

然而，现有技术方案中对于人体呼吸的检测并没有涉及人体动作的姿势，因而对于人体状态的检测无法达到较为精确的程度。

发明内容

本发明的实施例提供一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统，目的在于解决现有方案只对呼吸参数做检测，无法满足对人体状态的精确检测。

本发明的一个实施例，一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测方法，该检测方法包括以下步骤：

从室内Wi-Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；