王 潮,周 夢,丁寅凡,湯 霖

(1.上海大學(xué) 特種光纖與光接入網(wǎng)重點(diǎn)實(shí)驗(yàn)室,上海 200444;2.上海大學(xué) 特種光纖與先進(jìn)通信國際合作聯(lián)合實(shí)驗(yàn)室,上海 200444;3.上海大學(xué) 上海先進(jìn)通信與數(shù)據(jù)科學(xué)研究院,上海 200444)

1 引 言

在行車過程中,由于障礙物的遮擋和環(huán)境的影響,駕駛員的視野不能直達(dá)所有區(qū)域,對盲區(qū)內(nèi)的情況不甚了解,從而導(dǎo)致的交通事故數(shù)不勝數(shù),因此監(jiān)測視野盲區(qū)內(nèi)的路況成為人們的關(guān)注話題。

目前,已有的各種傳統(tǒng)監(jiān)視系統(tǒng)中大多是利用攝像頭、轉(zhuǎn)角鏡或傳感器進(jìn)行路況識別。攝像頭[1]是通過采集人體行為動作圖像,利用計(jì)算機(jī)視覺計(jì)算方法來提取和識別人體動作序列,但是該方法計(jì)算量巨大,容易受到光照條件以及障礙物的影響,同時攝像頭存在監(jiān)測死角,只能實(shí)現(xiàn)視距下特定范圍內(nèi)的感知。轉(zhuǎn)角鏡易受到天氣(如大霧、雨天等光線不足)的影響,從而無法實(shí)現(xiàn)輔助觀察的功能。另外,通過專用傳感器,如運(yùn)動傳感器被安裝在墻壁上來監(jiān)測盲區(qū)路況,采集相關(guān)的動作信息,從而實(shí)現(xiàn)人體行為感知,但是造價(jià)昂貴,安裝不便,難以廣泛應(yīng)用。綜上分析,盡管現(xiàn)存的感知設(shè)備系統(tǒng)多種多樣,但都存在一定局限性,即需要配置專用的硬件設(shè)備、易受到天氣和光線的干擾和影響、強(qiáng)調(diào)在視距范圍內(nèi)使用、成本高昂不具有普適性等。因此,為了解決現(xiàn)有感知技術(shù)的局限性,基于無線信號的感知系統(tǒng)應(yīng)運(yùn)而生。

近年來,研究者提出了一系列基于無線信號的無線感知技術(shù)的實(shí)現(xiàn)方式,即無線感知系統(tǒng)[2]。無線感知系統(tǒng)利用了無線信號在自由空間中的傳播模型,由于受自由空間內(nèi)障礙物的影響,使信號以直射、反射、散射等形式在空間中多徑傳播,而人的行為動作會改變這些信號的傳播路徑,路徑衰落規(guī)律因而發(fā)生變化,出現(xiàn)與動態(tài)對象相關(guān)的多徑衰落和多普勒頻移現(xiàn)象。因此,接收信號中含有包括人動作在內(nèi)的豐富的環(huán)境信息,可提取這些信息進(jìn)行分析處理。

根據(jù)上述無線感知理論,筆者提出了一種基于無線感知的轉(zhuǎn)角視野盲區(qū)監(jiān)測系統(tǒng),監(jiān)測視野盲區(qū)環(huán)境下的行人狀況,實(shí)現(xiàn)“視覺拐彎”,可普遍應(yīng)用于需要在低可見度、非視距環(huán)境下工作的應(yīng)用領(lǐng)域之中。為滿足視野盲區(qū)的特殊性需求,本系統(tǒng)選擇胡同作為實(shí)驗(yàn)場景,檢測深夜環(huán)境下盲區(qū)監(jiān)測的可靠性和有效性。

2 國內(nèi)外研究現(xiàn)狀

隨著無線感知技術(shù)的發(fā)展,國內(nèi)外的相關(guān)研究團(tuán)隊(duì)已經(jīng)提出了多個基于無線感知來檢測識別人體行為活動的系統(tǒng)[2]。其中代表團(tuán)隊(duì)就是麻省理工大學(xué)的Dina Katabi等人,在2018年提出了新型人體姿態(tài)估計(jì)系統(tǒng)RF-Pose[3],該系統(tǒng)利用無線電信號準(zhǔn)確地跟蹤穿過墻壁和障礙物的二維人體姿勢,將有關(guān)人和環(huán)境的視覺信息轉(zhuǎn)化為射頻信號。2019年,LI等[4]提出了基于骨架的動作識別系統(tǒng)Aryokee,可以在墻壁遮擋以及光線不好的條件下檢測人類行為,解決了目前基于視覺的動作識別所不能解決的場景。

2020年,研究人員提出了一種新型睡眠姿勢監(jiān)測系統(tǒng)BodyCompass[5],通過研究環(huán)境中的射頻反射來判斷用戶夜間的睡眠姿勢,不需要用戶佩戴或接觸任何傳感器,不侵犯用戶隱私,對于減少呼吸暫停事件等有著重要意義。同年,又提出了新型的人體再識別系統(tǒng) RF-ReID[6],利用射頻信號提取更持久的人類識別特征,如身體大小和形狀,能在遮擋和光線不足的情況下工作,更能保護(hù)隱私,有助于擴(kuò)展到與隱私相關(guān)的領(lǐng)域,如醫(yī)療保健。

國內(nèi)的研究團(tuán)隊(duì)圍繞無線感知也做了很多相關(guān)工作,如基于Wi-Fi 設(shè)備的低成本和非侵入式睡眠監(jiān)測系統(tǒng)WiFi-Sleep[7],利用信道狀態(tài)信息比率,結(jié)合振幅和相位信號,監(jiān)測4個不同的睡眠階段;基于Wi-Fi的步態(tài)識別系統(tǒng)WiDIGR[8]解決了傳統(tǒng)無設(shè)備人體步態(tài)識別系統(tǒng)對行走方向的強(qiáng)依賴性問題;第一個輕量級且適用于全天時使用的實(shí)時非接觸式人體檢測系統(tǒng)WiSH[9],從接收信號的時間和頻率相關(guān)性中提取簡單有效的特征,可實(shí)時、長期地監(jiān)測人體;再如利用Wi-Fi進(jìn)行指紋定位[10],利用FMCW雷達(dá)實(shí)現(xiàn)了高精度的心率監(jiān)測[11]等。

在早期的無線感知研究中,大多利用接收信號強(qiáng)度(Received Signal Strength,RSS)[12]進(jìn)行處理,識別人體行為。但在復(fù)雜的情況下,由于多徑衰落和時間動態(tài),其性能會急劇下降。而信道狀態(tài)信息(Channel State Information,CSI)能夠識別多徑特性,并幫助分析和捕獲人體運(yùn)動[9]。

因此,無線感知技術(shù)的進(jìn)步使得各個領(lǐng)域的實(shí)際應(yīng)用項(xiàng)目的研發(fā)得到突破。筆者利用Wi-Fi 信號在傳播過程中的多徑效應(yīng),以胡同作為實(shí)驗(yàn)場景,模擬復(fù)雜的實(shí)際城市交通路況,監(jiān)測深夜時的環(huán)境變化,有效判斷行人通過情況,給來往車輛提供及時的警示。當(dāng)行人經(jīng)過視野盲區(qū)時,系統(tǒng)感知人體運(yùn)動引起的信號變化,從與人體行為相關(guān)的信道狀態(tài)信息中提取動作信息進(jìn)行分析處理,實(shí)現(xiàn) Wi-Fi 信號感知空間環(huán)境狀態(tài),在復(fù)雜的城市交通環(huán)境下也能達(dá)到監(jiān)測目標(biāo)的目的。

3 系統(tǒng)設(shè)計(jì)

3.1 系統(tǒng)框架

筆者提出的視野盲區(qū)監(jiān)測系統(tǒng)利用無線信號所攜帶的信道狀態(tài)信息來識別空間環(huán)境狀態(tài)。該系統(tǒng)整體可分為3個模塊,如圖1所示。

圖1 系統(tǒng)總體架構(gòu)示意圖

(1)數(shù)據(jù)采集:發(fā)射器發(fā)送無線信號,接收器在同一區(qū)域內(nèi)收集信道狀態(tài)信息。

(2)數(shù)據(jù)處理:對采集到的原始信道狀態(tài)信息進(jìn)行數(shù)據(jù)預(yù)處理和特征提取。

(3)分類模型訓(xùn)練與測試:利用XGBoost對上個模塊所得到的特征進(jìn)行模式識別,生成分類模型,采集相同環(huán)境下的數(shù)據(jù),對未知數(shù)據(jù)進(jìn)行識別,從而得知當(dāng)前環(huán)境的狀態(tài)。

3.2 系統(tǒng)實(shí)現(xiàn)

當(dāng)Wi-Fi信號覆蓋下的自由空間中環(huán)境處于靜止時(靜態(tài)環(huán)境),所獲得的信道狀態(tài)信息幅度處于穩(wěn)定狀態(tài);當(dāng)有行人經(jīng)過該空間時(動態(tài)環(huán)境),信道狀態(tài)信息幅度就會產(chǎn)生劇烈抖動。因此,本系統(tǒng)提取信道狀態(tài)信息幅度進(jìn)行數(shù)據(jù)處理分析,獲取兩種環(huán)境的特征狀態(tài)進(jìn)行分類模型訓(xùn)練,判別環(huán)境狀態(tài),達(dá)到監(jiān)測視野盲區(qū)的目的。

3.2.1 數(shù)據(jù)預(yù)處理

系統(tǒng)收集的原始信道狀態(tài)信息會存在各類噪聲,因此,系統(tǒng)在進(jìn)行提取特征訓(xùn)練模型之前,需對原始數(shù)據(jù)去噪,獲取純凈的信道狀態(tài)信息數(shù)據(jù)。

巴特沃斯(Butterworth)低通濾波器能夠較好地去除高頻噪聲[14],且不會造成信號的相位信息大幅失真,在通帶上也有最平坦的幅度響應(yīng)。因此,筆者采用巴特沃斯濾波器對原始信道狀態(tài)信息數(shù)據(jù)進(jìn)行初步去噪。

每組發(fā)送-接收天線對上由人體行為引起的每個不同子載波信道狀態(tài)信息時間序列的變化具有相關(guān)性[15],監(jiān)測系統(tǒng)采用的主成分分析(Principal Components Analysis,PCA)算法正是利用這種相關(guān)性進(jìn)行二次去噪,去除信號中不能通過傳統(tǒng)低通濾波器去除的不相關(guān)的噪聲成分,獲得純凈的信道狀態(tài)信息時間序列,提高環(huán)境識別率;同時減少信道狀態(tài)信息的維數(shù),降低計(jì)算復(fù)雜度。主成分分析算法根據(jù)方差進(jìn)行降序排列,噪聲成分分量因有更高的方差而處于第一個主成分分量,將其丟棄并使用剩余分量進(jìn)行特征提取[16]。

3.2.2 特征提取

在不同環(huán)境下所測得的信息數(shù)據(jù)之間存在明顯的差異。為了有效區(qū)分靜態(tài)環(huán)境和動態(tài)環(huán)境以實(shí)現(xiàn)監(jiān)測功能,應(yīng)提取能惟一代表各個環(huán)境中信道狀態(tài)信息的特征矢量。選擇中位數(shù)絕對偏差、四分位差、最大值、最小值、差值、平均值、方差、歸一化標(biāo)準(zhǔn)偏差這8類時域特征來標(biāo)識動靜兩種環(huán)境狀態(tài)。

3.2.3 模型訓(xùn)練

系統(tǒng)實(shí)現(xiàn)監(jiān)測功能的關(guān)鍵在于準(zhǔn)確地判定特征數(shù)據(jù)是屬于靜態(tài)環(huán)境還是動態(tài)環(huán)境,從而得知目前的路況,可使用機(jī)器學(xué)習(xí)分類算法來訓(xùn)練數(shù)據(jù)特征分類器。相比以往的學(xué)習(xí)算法,XGBoost的損失函數(shù)引入正則化項(xiàng),控制模型復(fù)雜度,防止模型過擬合,同時對損失函數(shù)進(jìn)行二階泰勒展開,使結(jié)果更加準(zhǔn)確,且支持并行,降低模型計(jì)算,節(jié)省模型訓(xùn)練時間。因此,采用 XGBoost[17]對信道狀態(tài)信息的特征進(jìn)行訓(xùn)練,最終得到訓(xùn)練好的分類模型。

XGBoost 是在決策樹的基礎(chǔ)上采用了集成策略,利用梯度提升算法不斷減小前面生成的決策樹的損失,并產(chǎn)生新樹構(gòu)成模型,確保了最終決策的可靠性。XGBoost 的分類模型表示為

(1)

(2)

(3)

(4)

(5)

在模型訓(xùn)練過程中,使用交叉驗(yàn)證與網(wǎng)格搜索方法對XGBoost參數(shù)進(jìn)行調(diào)優(yōu)來選取最優(yōu)模型。

4 實(shí)驗(yàn)方案

4.1 實(shí)驗(yàn)設(shè)置

在筆者提出的監(jiān)測系統(tǒng)中,將只有一根天線的普通商用無線路由器作為發(fā)射器,裝有 Intel5300 無線網(wǎng)卡的筆記本電腦作為接收器,發(fā)射天線與接收天線一直保持無線通信鏈路的連接,采集在同一區(qū)域內(nèi) Wi-Fi 鏈路數(shù)據(jù)包,并從中獲取相關(guān)的信道狀態(tài)信息用于后續(xù)的數(shù)字信號處理和模式識別。

馬路上來往的車輛由于視線的阻擋無法得知胡同的路況,經(jīng)常因?yàn)橥蝗桓Z出的行人引起事故,而傳統(tǒng)的攝像頭、轉(zhuǎn)角鏡和傳感器在深夜或天氣惡劣時作用很小。因此,筆者選取深夜的胡同作為代表性的實(shí)驗(yàn)場景。設(shè)垂直于無線路由器與筆記本電腦連線方向的距離為d,根據(jù)胡同的空間大小以及Wi-Fi信號的覆蓋范圍,將距離d劃分為[0,1 m]、(1 m,3 m]和(3 m,5 m]3個區(qū)間,給來往車輛在不同程度上預(yù)警。系統(tǒng)設(shè)置的采樣率為1 000樣本/秒,確保能捕捉到人體行為活動。

在每個距離區(qū)間內(nèi),測試人員呈現(xiàn)兩類狀態(tài):一類是保持靜止不動(靜態(tài)環(huán)境),另一類是持續(xù)性做動作(動態(tài)環(huán)境)。

4.2 實(shí)驗(yàn)結(jié)果

4.2.1 特征提取結(jié)果

圖2為特征提取的結(jié)果。

經(jīng)過預(yù)處理后的信道狀態(tài)信息數(shù)據(jù)是一個N×1的矩陣,其中N為信道狀態(tài)信息數(shù)據(jù)的數(shù)量。利用長度為70、步長為30的滑動窗口計(jì)算各個時域特征,生成一個4 000×8的特征矩陣F,距離d為[0,1 m]的幾個時域特征如圖2所示。圖中樣本序號1～2 000的特征矢量屬于靜態(tài)環(huán)境,樣本序號2 001～4 000的特征矢量屬于動態(tài)環(huán)境。

從圖2中可以觀察到在虛線兩端,來自靜態(tài)環(huán)境的特征數(shù)據(jù)和來自動態(tài)環(huán)境的特征數(shù)據(jù)之間存在明顯的差異。因此,系統(tǒng)可利用此特征矩陣F訓(xùn)練的分類模型正確識別出當(dāng)前待測環(huán)境處于何種狀態(tài)。

(a)中位數(shù)絕對偏差

4.2.2 模型訓(xùn)練預(yù)測

根據(jù)實(shí)驗(yàn)要求,將提取的4 000個數(shù)據(jù)按照4∶1的比例分為訓(xùn)練集和測試集;系統(tǒng)利用訓(xùn)練集訓(xùn)練識別模型,用測試集進(jìn)行模型評估。表1中列出了各距離區(qū)間對應(yīng)的系統(tǒng)識別精確度的具體數(shù)值,相應(yīng)的數(shù)據(jù)直方圖如圖3所示。

圖3 不同距離區(qū)間內(nèi)系統(tǒng)識別精確度直方圖

表1 不同距離區(qū)間內(nèi)系統(tǒng)識別精確度數(shù)值 %

根據(jù)表1中的實(shí)驗(yàn)數(shù)據(jù),不論是在靜態(tài)環(huán)境下還是動態(tài)環(huán)境下,筆者設(shè)計(jì)的基于無線感知的人體行為識別系統(tǒng)的精確度隨著距離的增加而減少,這是因?yàn)閃i-Fi信號強(qiáng)度會隨著距離的增加而下降。隨著距離的增加,系統(tǒng)的識別準(zhǔn)確度也會隨之降低。因?yàn)樵趧討B(tài)環(huán)境下,Wi-Fi信號所攜帶的信道狀態(tài)信息的幅度與靜態(tài)環(huán)境下的幅度差異越小,分類的差錯率越大,但是在5 m范圍內(nèi),視野盲區(qū)監(jiān)測功能的平均精確度也能達(dá)到約96.042%。

根據(jù)圖3的走勢進(jìn)行分析可知,隨著用戶與檢測設(shè)備之間距離的增加,系統(tǒng)識別的精確度降低,即系統(tǒng)的精確度與用戶至檢測設(shè)備之間的距離成反比關(guān)系,但是可以觀察到精確度降低的幅度并不是很大。這是因?yàn)榘霃綖?5 m的實(shí)際實(shí)驗(yàn)場景仍處于Wi-Fi 信號覆蓋范圍的中心,各距離區(qū)間內(nèi)的人體行為對無線信號傳播路徑的影響差別不是很明顯。

5 總 結(jié)

通過裝有無線網(wǎng)卡的筆記本電腦與路由器構(gòu)成通信鏈路,采集盲區(qū)路況數(shù)據(jù),使用低通濾波器與主成分分析法濾除噪聲、特征降維,利用具有代表性的特征進(jìn)行XGBoost訓(xùn)練分類模型和交叉驗(yàn)證。結(jié)果表明,該系統(tǒng)的平均準(zhǔn)確度達(dá)到96%以上,能有效地監(jiān)測視野盲區(qū),實(shí)現(xiàn)“視覺拐彎”。因?yàn)闊o線信號不會受到光線的影響,在深夜或者光線不足的地方也能很好地工作,解決了傳統(tǒng)的視野盲區(qū)監(jiān)測系統(tǒng)的一些限制因素,對公共交通安全的提升具有廣泛價(jià)值。

未來,在將該監(jiān)測系統(tǒng)投入到更復(fù)雜的實(shí)際應(yīng)用環(huán)境之前,仍需要解決以下的一些問題和不足:

(1) 由于時間和實(shí)驗(yàn)場地有限,未來需選擇更多不同類型的環(huán)境來驗(yàn)證該監(jiān)測系統(tǒng)是否具有很好的魯棒性,以及在具體場景下研究不同光照情況對系統(tǒng)的影響。

(2) 文中使用的無線信號是IEEE 802.11n協(xié)議標(biāo)準(zhǔn)的Wi-Fi信號,但是隨著無線技術(shù)的發(fā)展,可以逐漸采用先進(jìn)的802.11協(xié)議標(biāo)準(zhǔn)。為了解決兼容問題,利用新標(biāo)準(zhǔn)的先進(jìn)特性提高無線感知系統(tǒng)性能是接下來研究的新方向。

(3) 本系統(tǒng)采用的Wi-Fi路由器是全向天線,車輛通過胡同口時也會產(chǎn)生多徑效應(yīng),從而導(dǎo)致誤判。在未來的研究中采用定向天線,效果可能更佳,更適用于實(shí)際場景。

(4) 本系統(tǒng)采用的接收器是裝有Intel5300 無線網(wǎng)卡的筆記本電腦,實(shí)驗(yàn)設(shè)備體積稍大。未來可以將其小型化,制成形如FPGA嵌入式的模式。

目前,筆者設(shè)計(jì)的基于無線感知的視野盲區(qū)監(jiān)測系統(tǒng)已經(jīng)初步完成了概念化驗(yàn)證模型的搭建及小范圍可控空間內(nèi)的實(shí)驗(yàn)。就現(xiàn)在無線感知領(lǐng)域所取得的成果而言,可以預(yù)見其未來的應(yīng)用前景非常廣泛,在切實(shí)保障行人的出行安全以及有效降低視線盲區(qū)類的交通事故上有著重要的現(xiàn)實(shí)價(jià)值和社會意義。