基于物理层信道状态信息的无线感知模型与人体行为识别机制研究

This project focuses on (1) wireless sensing using physical layer channel state information, and (2) wireless-sensing-centered human activity recognition strategies, to build high sensitive and robust wireless sensing and human activity recognition approaches. Through analyzing the influencing mechanism of multi-type human activities on the design of indoor wireless sensing models, we plan to build high sensitive indoor wireless sensing models that can fully explore the features of amplitude and phase in channel state information (CSI) and the spatial diversity introduced by multi-input multi-output (MIMO) technology. Then, using the proposed wireless sensing models and selected proper machine learning theories, coarse-grained and fine-grained single-human activity recognition strategies will be proposed in the scenario without interference aroused by small-size motion objects; further, issues for obtaining robust strategies will be investigated in the scenario with such interference. After that, we will analyze the impact of multiple human bodies in the interested wireless sensing area on the wireless sensing models and the proposed human activity recognition strategies for single-human scenarios, and then try to design single-target-human activity recognition approaches under the scenario with multiple human bodies. As the outcomes of this project, it is expected that (1) obtaining wireless sensing and human activity recognition solutions which can work well under scenario with interference and relatively complex scenario with multiple human bodies, and (2) revealing the potential performance limits of CSI and MIMO technology when applying to wireless sensing realm.

本项目重点研究基于物理层信道状态信息的无线感知模型以及以其为核心的人体行为识别机制，以期构建高灵敏度、高鲁棒性的室内无线感知与人体行为识别策略。拟分析多种人体行为对室内无线感知模型设计的影响机理，构建能全方位挖掘信道状态信息（CSI）的幅度和相位特性及多入多出（MIMO）技术引入的空间分集特性的高灵敏度室内无线感知模型；结合所提无线感知模型与机器学习相关理论，针对无干扰和存在小型运动物体干扰两种室内场景，分别提出基本的和高鲁棒性的单人体粗粒度与细粒度行为识别策略；分析多人体活动对无线感知环境和前期所提单人体行为识别策略的影响，设计可用于多人体室内场景的单一特定目标人体行为识别策略。通过本项目的研究，可望获取在干扰环境和多人体较复杂场景中具备可用性的无线感知与人体行为识别方法，并有助于揭示CSI和MIMO技术在无线环境感知研究与应用中的性能潜力。

随着无线通信、移动计算和机器学习技术的迅猛发展，智能感知已成为热点研究领域之一，而人体行为识别则是其重要的应用点之一。本项目主要研究内容及成果包括：（1）研究了物理层信道状态信息的有效片段提取方法及人体行为感知信号的处理方法，建立了灵敏的信号感知模块和基于多天线MIMO网卡IWL 5300的实测平台；（2）研究了人体行为动作的特征表达方法、特征提取方法和特征向量的构建方法，设计了多种人体宏观行为分类与识别系统和开发了低复杂度的室内人体入侵检测与报警系统；（3）研究了连续雷达波信号在移动人体定位中的应用，研制了基于软件无线电设备USRP N210的智能感知实测平台，设计了速度差补偿的双频连续波雷达室内移动人体跟踪定位方法；（4）在软件无线电平台的大量实验辅助下，研究了基于多窗口AS-Method机制的人体微动信号处理方法，能探测到人体微动作状态，并研究和设计了人体微运动状态分类识别机制，可完成复杂的人体躯干和人体身体部分的微运动状态的分类，实测具有较高的鲁棒性和灵敏性；（5）考虑多人体场景中特定目标人体行为识别的场景，研究了适用于微动干扰场景的目标人体躯体运动状态识别方法，能有效去除或者降低干扰人体运动对目标人体的运动状态分类的影响，实现了抗微动干扰场景下的多种目标人体运动状态识别；（6）研究了基于惯性传感器的智能感知问题，开发了运用惯性传感器的室内人体运动三维定位跟踪系统、车辆运动状态识别应用系统、地铁列车位置实时跟踪应用系统；（7）研究了基于视觉传感器的智能感知问题，设计了即时定位与构图中的在线增量回环检测、人体运动姿势估计、人体行为识别、图像中特定物体的检索与识别、图像超分辨率重建等方法或系统；（8）研究了认知无线电网络中的频谱资源分配机制和无线通信安全编码机制等问题。通过本项目的研究，有效的揭示无线智能感知、惯性传感器智能感知、视觉智能感知及其在人体行为识别相关领域的关键机制，为相关应用落地提供了良好的参考价值。