吳春香，張建明

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210000)

0 引 言

基于CSI(channel state information)技術(shù)的無(wú)線感知系統(tǒng)主要利用無(wú)線信號(hào)的OFDM特性，典型的系統(tǒng)如TD-LTE、WIFI的物理層技術(shù)。OFDM技術(shù)在頻域?qū)⒄麄€(gè)信道分為多個(gè)正交的子載波。技術(shù)上可以通過(guò)對(duì)不同子載波的信道信息的捕獲，對(duì)整個(gè)鏈路的狀況進(jìn)行估計(jì)和預(yù)測(cè)。當(dāng)收發(fā)信機(jī)之間存在遮擋時(shí)，將對(duì)多個(gè)子載波的信號(hào)產(chǎn)生不同影響。如果收發(fā)信機(jī)之間有活動(dòng)物體，該物體的動(dòng)作變化對(duì)無(wú)線信道的影響呈現(xiàn)一致性的特征，即收發(fā)信機(jī)之間人體的肢體動(dòng)作對(duì)應(yīng)的子載波信號(hào)變化呈現(xiàn)明顯的特征。反映到子載波信號(hào)的變化上，主要影響無(wú)線信號(hào)的振幅、相位、信號(hào)強(qiáng)度。目前在智能家居、健康看護(hù)以及入侵檢測(cè)等領(lǐng)域運(yùn)用無(wú)線信號(hào)這一新技術(shù)是目前市場(chǎng)上一個(gè)不錯(cuò)的潛在方向。以前比較成熟的技術(shù)是運(yùn)用攝像頭[1]等設(shè)備，但攝像頭存在一些致命的缺陷，比如要在光線良好的情況下才能發(fā)揮攝像頭的作用，還有攝像頭會(huì)存在侵犯隱私的問(wèn)題，在一些私密的場(chǎng)所使用攝像頭是不被允許的。

近年來(lái)可穿戴式傳感器比較熱門[2]，但是并不是所有人都喜歡或者愿意佩戴，這也是該技術(shù)從本質(zhì)上不能解決的問(wèn)題。而無(wú)線感知技術(shù)在達(dá)到相同靈敏度條件下的價(jià)格和部署成本更低，探測(cè)范圍更廣，同時(shí)受到溫度、光線等環(huán)境因素的影響更低。無(wú)線信號(hào)具有一定的穿透能力，可以在肉眼看不到的地方(如墻壁后面)對(duì)目標(biāo)區(qū)域進(jìn)行探測(cè)與感知，具備其他感知設(shè)備無(wú)法擁有的獨(dú)特優(yōu)勢(shì)。雖然無(wú)線信號(hào)的優(yōu)勢(shì)很大，但其中夾雜的環(huán)境噪聲也影響了它的使用，會(huì)導(dǎo)致行為識(shí)別不準(zhǔn)確、定位不正確等問(wèn)題，所以要對(duì)無(wú)線信號(hào)進(jìn)行去噪預(yù)處理。傳統(tǒng)去噪方法如均值濾波，低通濾波等在去除CSI信息噪聲中表現(xiàn)不佳，殘留噪聲過(guò)多，影響識(shí)別系統(tǒng)的準(zhǔn)確度。對(duì)此，文中在低通和均值濾波去噪的基礎(chǔ)上提出一種基于特征提取的主成分分析方法，以提升去噪效果，獲取更為明顯的動(dòng)作特征。

1 無(wú)線信號(hào)行為識(shí)別技術(shù)

運(yùn)用無(wú)線信號(hào)進(jìn)行人為識(shí)別和定位的相關(guān)技術(shù)分為兩類，基于接受信號(hào)強(qiáng)度指示(received signal strength indicator，RSSI)[3]的和基于CSI[4-5]的。

1.1 基于RSSI

RSSI的強(qiáng)弱在一定程度上反映了信道質(zhì)量的好壞，可將獲取到的RSSI信息代入無(wú)線信號(hào)傳播模型以估算信號(hào)傳播距離，從而實(shí)現(xiàn)無(wú)線監(jiān)測(cè)和定位的功能[6-7]?；赗SSI的人類活動(dòng)識(shí)別系統(tǒng)利用人類活動(dòng)引起的信號(hào)強(qiáng)度變化[8]，該方法只能做粗粒度的人類活動(dòng)識(shí)別，精度低，因?yàn)樯虡I(yè)設(shè)備所提供的RSSI值具有非常低的分辨率。RSSI只反映了多徑疊加的總幅度，也即RSSI測(cè)量的是信號(hào)多徑傳播的疊加效果，并不能逐一區(qū)分多條信號(hào)傳播路徑。為了刻畫多徑傳播，引入了RSSI的升級(jí)版本CSI。

1.2 基于CSI

CSI值在許多商業(yè)設(shè)備如英特爾5300和Atheros 9390網(wǎng)絡(luò)接口卡(NIC)是可以獲得的。最近CSI已用于人類活動(dòng)識(shí)別以及室內(nèi)定位，如文獻(xiàn)[9-10]中使用CSI來(lái)檢測(cè)環(huán)境中人是否存在，也就是入侵檢測(cè)，還有E-eyes[11]和WiHear[12]這些行為識(shí)別系統(tǒng)。理論支撐就是上文提及的不同行為的無(wú)線信號(hào)會(huì)產(chǎn)生不同的多徑失真，從而反映在不同的子載波上。無(wú)線網(wǎng)卡會(huì)連續(xù)監(jiān)測(cè)無(wú)線信道形成CSI，CSI就是信道的頻率響應(yīng)的采樣。令x(f,t)和y(f,t)分別是發(fā)送和接收信號(hào)的頻域表示，它們的關(guān)系如下所示：

y(f,t)=x(f,t)*h(f,t)+Ni

(1)

其中，Ni表示噪聲；h(f,t)表示在時(shí)間t測(cè)量的載波頻率f的信道頻率響應(yīng)(CFR)。

CSI測(cè)量的是運(yùn)行在802.11協(xié)議下的30個(gè)子載波的信息，是在某個(gè)時(shí)刻對(duì)信道狀態(tài)信息的頻率響應(yīng)的采樣，所以在一段時(shí)間內(nèi)得到的是一系列的相同維度的采樣值，維度為Nt*Nr*30。其中Nt表示發(fā)送端的天線數(shù)，比如路由器的天線根數(shù)，Nr表示接受端的天線數(shù)，比如無(wú)線網(wǎng)卡的天線根數(shù)。

2 CSI信號(hào)去噪模型

2.1 系統(tǒng)框圖

系統(tǒng)框圖如圖1所示。

圖1 系統(tǒng)框圖

首先對(duì)CSI原始數(shù)據(jù)分別進(jìn)行均值濾波或低通濾波。這兩個(gè)過(guò)濾器的主要目的是去除一些加性噪聲和高頻噪聲。濾波完成后，用主成分分析法(PCA)對(duì)數(shù)據(jù)進(jìn)行處理。根據(jù)所提取的特征，通過(guò)使用人類活動(dòng)識(shí)別算法，如動(dòng)態(tài)時(shí)間規(guī)整(DTW)或經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)等識(shí)別具體的行為。

2.2 CSI中的噪聲

CSI中的噪聲分為內(nèi)部噪聲和外部噪聲。商用WiFi設(shè)備提供的無(wú)線信號(hào)非常嘈雜。CSI內(nèi)部噪聲的一個(gè)主要來(lái)源是在發(fā)送端和接收端的WiFi網(wǎng)卡，如功率變化的內(nèi)部狀態(tài)轉(zhuǎn)換，傳輸速率自適應(yīng)，以及內(nèi)部的CSI參考水平的變化。這些內(nèi)部狀態(tài)轉(zhuǎn)換導(dǎo)致高振幅脈沖和突發(fā)噪聲。這些脈沖和突發(fā)噪聲的一個(gè)有趣的特點(diǎn)是它們的效果是高度相關(guān)的所有CSI信息，即它們對(duì)所有CSI的影響是相同的。例如，如果發(fā)送者WiFi網(wǎng)卡提高0.5 dB以上的傳輸功率，所有CSI信息都會(huì)增加0.5 dB功率，所以不關(guān)心內(nèi)部噪聲的影響。而外部噪聲主要來(lái)源于傳輸環(huán)境，這些是不可控的，必須通過(guò)相應(yīng)的去噪算法使之減少。

2.3 均值濾波

均值濾波是一種典型的圖像處理算法，能夠有效濾除圖像中的加性噪聲。把CSI的幅值當(dāng)作像素，選擇合適的模板尺寸。圖2(a)是一個(gè)先蹲下后站立的行為的未經(jīng)濾波的子載波波形，圖2(b)是經(jīng)過(guò)平均濾波器所得的波形。利用均值濾波方法，波形變得很平滑，濾除了大部分的干擾噪聲。

2.4 低通濾波

由于人的運(yùn)動(dòng)引起的變化的頻率位于頻譜的低頻端，而噪聲的頻率位于頻譜的高頻端，為了消除這種情況下的噪聲，選擇巴特沃斯低通濾波器。它不會(huì)對(duì)信號(hào)的相位信息造成失真，并在通帶中具有最大平坦的振幅響應(yīng)，從而不會(huì)給人體運(yùn)動(dòng)信號(hào)帶來(lái)很大的改變。圖2(c)是經(jīng)過(guò)低通濾波得到的子載波振幅的波形。

圖2 低通濾波子載波振幅

雖然這個(gè)過(guò)程有助于去除一些高頻噪聲和加性噪聲，但噪聲并沒有完全消除。因?yàn)榘吞匚炙篂V波器有稍慢的下降增益的阻帶。雖然嚴(yán)格的低通濾波可以進(jìn)一步去除噪聲，但是它會(huì)導(dǎo)致有用的信息丟失。要從嘈雜的CSI時(shí)間序列中提取有用的信號(hào)，而由于人類運(yùn)動(dòng)的變化引起的CSI中所有子載波的變化是一致的，并且對(duì)于最后提取到的特征來(lái)說(shuō)，所需要的特征信息或者數(shù)據(jù)肯定是質(zhì)量越高越好，所以結(jié)合上面的分析發(fā)現(xiàn)，在這一步中運(yùn)用主成分分析方法是很自然的。

2.5 主成分分析方法提取行為特征

主成分分析方法是一種常用的數(shù)據(jù)分析方法。PCA通過(guò)線性變換將原始數(shù)據(jù)變換為一組各維度線性無(wú)關(guān)的表示，可以用于提取數(shù)據(jù)的主特征分量，常用于數(shù)據(jù)降維，還附帶有去噪的效果。文獻(xiàn)[11-12]中就運(yùn)用PCA算法對(duì)數(shù)據(jù)進(jìn)行降維，以減少運(yùn)算量。

圖3是同一個(gè)動(dòng)作在同一時(shí)刻下的四個(gè)不同子載波波形，從圖中可以得出人類運(yùn)動(dòng)的變化引起的CSI中所有子載波的變化是一致的結(jié)論。在文獻(xiàn)[13-14]中就利用這種相關(guān)性進(jìn)行人類活動(dòng)的識(shí)別。通過(guò)計(jì)算所有CSI時(shí)間序列的主要組成部分，然后選擇那些代表變化之間的所有CSI時(shí)間序列的主要組成部分，稱之為主成分分析。

圖3 子載波之間的相關(guān)性

原始CSI信息用Zt表示，使用式2刪除Zt中的第一個(gè)次要成分。根據(jù)觀察可知，第一次要成分包含大部分噪聲，PCA次要成分的去除不會(huì)導(dǎo)致任何運(yùn)動(dòng)信息損失，其余的PCA主成分仍然包含足夠的信息，足以成功完成人類活動(dòng)識(shí)別和定位。

Hz{1:P}=Zt*P1

(2)

其中，P1表示濾除第一次要成分的變換矩陣，所以在Hz{1:P}的基礎(chǔ)上再進(jìn)行次要成分的濾除就使用變換矩陣P2，此次連續(xù)進(jìn)行了四次成分的選擇，結(jié)果如圖4所示。

圖4 四輪PCA結(jié)果

3 實(shí)驗(yàn)仿真及結(jié)果

仿真平臺(tái)采用Matlab2013，在對(duì)原始CSI數(shù)據(jù)利用均值和低通濾波濾除大部分的加性噪聲和高頻噪聲后使用PCA算法，PCA對(duì)Nt*Nr的30個(gè)子載波進(jìn)行降維，也就是在不減少人的行為特征的基礎(chǔ)上減少子載波的數(shù)量，以達(dá)到減少運(yùn)算量和去噪的目的，也就是使行為特征變得更加明顯，有利于識(shí)別和定位。識(shí)別和定位的準(zhǔn)確率來(lái)源于干擾噪聲的消除和明顯動(dòng)作特征的有效提取，在此基礎(chǔ)上才能使準(zhǔn)確率達(dá)到一定的高度。相比文獻(xiàn)[15]中基于信號(hào)強(qiáng)度的室內(nèi)定位來(lái)說(shuō)，基于CSI的準(zhǔn)確率更高。

實(shí)驗(yàn)環(huán)境是一個(gè)20平米的房間，無(wú)線信號(hào)的發(fā)送端是家用TP-LINK路由器，接收端是內(nèi)含Intel5300網(wǎng)卡的筆記本電腦，實(shí)驗(yàn)活動(dòng)均由一個(gè)人發(fā)起，沒有其他人為干擾。呈現(xiàn)的是其中兩種動(dòng)作，揮手和跳躍，發(fā)出這兩組動(dòng)作的同時(shí)沒有產(chǎn)生其他動(dòng)作。圖5和圖6中的圖(a)是10個(gè)子載波的CSI原始波形，(b)和(c)是經(jīng)過(guò)均值和低通濾波后的去噪效果圖，而經(jīng)過(guò)四層PCA算法得到的動(dòng)作特征主成分呈現(xiàn)在(d)中。

圖5 實(shí)驗(yàn)結(jié)果-揮手

圖6 實(shí)驗(yàn)結(jié)果-跳躍

4 結(jié)束語(yǔ)

文中利用傳統(tǒng)圖像處理中的均值和低通濾波算法來(lái)降低無(wú)線信號(hào)的噪聲，并分析它們之間的差異，有效去除環(huán)境中的加性噪聲，抑制高頻分量的噪聲。通過(guò)經(jīng)典的數(shù)據(jù)分析方法(PCA)提取動(dòng)作特征，降低了CSI信息的維度，并消除了不相關(guān)的噪聲，得到了較明顯的動(dòng)作特征。實(shí)驗(yàn)結(jié)果表明，經(jīng)過(guò)以上步驟的CSI得到的特征可以大大提高人類活動(dòng)識(shí)別算法的準(zhǔn)確性。后續(xù)可以運(yùn)用DTW或者EMD等算法對(duì)提取到的動(dòng)作特征進(jìn)行識(shí)別，這也是下一步的研究方向。

參考文獻(xiàn)：

[1] AGGARWAL J K,RYOO M S.Human activity analysis:a review[J].ACM Computing Surveys,2011,43(3):1-43.

[2] ERTIN E,STOHS N,KUMAR S,et al.AutoSense:unobtrusively wearable sensor suite for inferring the onset,causality,and consequences of stress in the field[C]//Proceedings of the 9th ACM conference on embedded networked sensor systems.New York,NY,USA:ACM,2011.

[3] 陳 姣.基于RSSI測(cè)距的WiFi室內(nèi)定位技術(shù)研究[D].綿陽(yáng):西南科技大學(xué),2015.

[4] JIANG Zhiping,XI Wei,LI Xiangyang,et al.通信既眾包:帶有基于CSI測(cè)速功能的Wi-Fi室內(nèi)定位系統(tǒng)[J].Journal of Computer Science and Technology,2014,29(4):589-604.

[5] 王 凱.基于CSI測(cè)距的輕量級(jí)指紋室內(nèi)定位技術(shù)研究[D].西安:西安電子科技大學(xué),2014.

[6] 張明華,張申生,曹 健.無(wú)線局域網(wǎng)中基于信號(hào)強(qiáng)度的室內(nèi)定位[J].計(jì)算機(jī)科學(xué),2007,34(6):68-71.

[7] 董 梅,楊 曾,張 健,等.基于信號(hào)強(qiáng)度的無(wú)線局域網(wǎng)定位技術(shù)[J].計(jì)算機(jī)應(yīng)用,2004,24(12):49-52.

[8] SIGG S,SHI S,BUESCHING F,et al.Leveraging RF-channel fluctuation for activity recognition:active and passive systems,continuous and RSSI-based signal features[C]//Proceedings of international conference on advances in mobile computing & multimedia.New York,NY,USA:ACM,2013:43.

[9] YANG Z,ZHOU Z,LIU Y.From RSSI to CSI:indoor localization via channel response[J].ACM Computing Surveys,2013,46(2):1-32.

[10] ZHOU Z,YANG Z,WU C,et al.Towards omnidirectional passive human detection[C]//Proceedings of IEEE.[s.l.]:IEEE,2013:3057-3065.

[11] WANG Y,LIU J,CHEN Y,et al.E-eyes:device-free location-oriented activity identification using fine-grained WiFi signatures[C]//Proceedings of the 20th annual international conference on Mobile computing and networking.New York,NY,USA:ACM,2014:617-628.

[12] WANG G,ZOU Y,ZHOU Z,et al.We can hear you with Wi-Fi![C]//Proceedings of the 20th annual international conference on Mobile computing and networking.New York,NY,USA:ACM,2014:593-604.

[13] ALI K,LIU A X,WANG W,et al.Keystroke recognition using WiFi signals[C]//Proceedings of the 21th annual international conference on Mobile computing and networking.New York,NY,USA:ACM,2015:90-102.

[14] 魏洪興,王曉暉,王田苗.基于信號(hào)強(qiáng)度的無(wú)線局域網(wǎng)匹配定位算法[J].計(jì)算機(jī)工程,2008,34(19):107-108.

[15] 王 艷,印國(guó)成,孫茂圣.移動(dòng)情景感知環(huán)境下的WI-FI室內(nèi)定位技術(shù)及其實(shí)現(xiàn)[J].電腦與電信,2016(Z1):35-38.