[发明专利]一种基于信道状态信息的人数统计方法

说明书

本发明提出一种基于信道状态信息的人数统计方法，所用设备为商用WiFi路由器，无需佩戴其他设备，方便、易推广。利用解卷相位与线性变换的方法重构了CSI相位，解决了因收发端时钟不同步引起的频率偏差和时延，避免了相位分布范围过大的问题。利用Hampel滤波器去除了数据中的异常值，保证了数据的准确性。采用PCA进行特征提取，降低了数据维度，使得分类更加简便有效。最后以基于单层决策树的AdaBoost算法为基础建立人数统计模型，训练得到有效的分类器识别出区域内的人员数量。

技术领域

本发明涉及WiFi感知领域，具体为一种基于信道状态信息的人数统计方法。

背景技术

许多场景对人员数量都有应用需求，比如车站根据人群密度对客流进行疏导，在保障公共安全的同时，提高出行效率；智能家居系统根据室内人数的多少自动调节电器的功率，实现节能的目的；商场根据各个区域人数的分布来分析消费者的消费习惯，从而及时调整销售策略。目前人数统计的方法可大致分为基于图像的人数统计方法和基于可携带设备的人数统计方法两大类。

基于图像的人数统计方法较为传统，主要依靠计算机视觉技术，这类方法大多使用摄像头获取图像信息，在复杂环境中易被物体遮挡，存在视觉盲区，同时受限于光学传感器的特性，受光线影响较大，只有在光线充足的条件下才能有较好的效果；基于可携带设备的人数统计方法主要依靠智能手机和电子标签等设备实现人数统计，这类基于设备的人数统计方法往往需要人员携带特定的设备，便利性差，且成本过高。

随着WiFi的普及，基于WiFi进行人数统计的方法成为新的突破口，得到了学术界的广泛关注。Seifeldin等提出了Nuzzer系统，该系统利用信号强度(RSSI)的方差来计算人数。然而，由于RSSI无法刻画多径传播，易受环境因素影响，在复杂环境下计算人数的准确度不高。信道状态信息(CSI)相较于RSSI更敏感，对于室内环境中微弱变化的感知更精确。当场景中无人或人数较少时，环境相对稳定，CSI数据的波动和离散程度较小，当人数增多时，CSI数据会发生更加明显的波动，因此可基于此对环境中的人数进行统计。

发明内容

本发明为一种基于信道状态信息的人数统计方法。该方法首先从CSI原始数据中求出相位和幅度，使用解卷相位与线性变换的方法实现相位校正，减小因收发端时钟不同步引起的频率偏差和时延，使得相位能以簇的形式集中。采用Hampel滤波器分别对CSI数据的幅度和矫正后的相位进行滤波处理，滤除信号衰落和多径效应引入的直流分量和噪声，并采用PCA对去噪后的数据进行降维处理，提取出有效的特征，最后利用基于单层决策树的AdaBoost算法训练分类器进行分类，统计出区域内人员数量。

本发明主要分为如下几个模块：

数据采集模块：本发明选取了两台3*3天线的TP-link 4700v2路由器作为发射端和接收端，发射端和接收端相距0.2米，用来收集原始数据，原始数据中包含幅度信息和相位信息，由于收集到的原始数据中含有大量的噪声，要对原始数据进行数据校准和数据预处理来获得有效的相位信息，将这些信息存储在Matlab软件中的临时数据文件中，为下一步原始数据预处理做准备。

数据预处理模块：采用相位解卷和线性变换的算法重构原始CSI数据，在尽可能保留有效信息的前提下获取到规则的相位信息；使用Hampel滤波器滤除数据中的噪声，减少环境噪声对生命体征信息的干扰，滤除了直流分量和高频噪声。

特征提取模块：使用PCA算法对预处理后的数据进行降维处理，在保证信息损失最小化的同时降低数据的维度。通过计算得到的特征值在总数中所占比例，可知该维度的信息量，依此来选择合适的维度作为分类时的属性特征，得到CSI特征指纹样本。

模型建立模块：将不同人数条件下所采集的CSI特征指纹样本代入基于单层决策树的AdaBoost算法中进行训练，得到有效的人数分类模型。