車忠輝 車晨暢 解仲坤

第一作者簡介：車忠輝（1973-），男，碩士，正高級工程師。研究方向?yàn)槿斯ぶ悄?，?jì)算機(jī)和軟件開發(fā)，移動通信技術(shù)，數(shù)據(jù)處理。

DOI：10.19981/j.CN23-1581/G3.2024.12.001

摘? 要：隨著智能家居的推廣普及，對于移動物體的行為感知成為熱點(diǎn)技術(shù)。相比于傳統(tǒng)的信息檢測技術(shù)，新型的基于Wi-Fi信號的設(shè)備無關(guān)被動入侵檢測，能夠在無需用戶做任何干預(yù)也不影響人員隱私安全的情況下實(shí)現(xiàn)對于行為的檢測判斷，這和使用攝像頭或紅外檢測形成顯著差異，成為研究熱點(diǎn)。該文基于Wi-Fi芯片平臺采集物理層信道狀態(tài)信息，構(gòu)建與移動載體信息相關(guān)的檢測模型，結(jié)合大數(shù)據(jù)分析和智能算法，給出相關(guān)的實(shí)現(xiàn)方案，并基于實(shí)驗(yàn)驗(yàn)證實(shí)現(xiàn)從無線信道中捕捉波形特征，驗(yàn)證方案的有效性，結(jié)合結(jié)果分析也為后續(xù)精度的進(jìn)一步提升提供改進(jìn)方向。

關(guān)鍵詞：Wi-Fi感知；信道狀態(tài)信息；入侵檢測；大數(shù)據(jù)處理；檢測模型

中圖分類號：TN92? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2095-2945（2024）12-0001-05

Abstract： With the popularization of smart home， the behavior perception of moving objects has become a hot technology. Compared with the traditional information detection technology， the new device independent passive intrusion detection based on Wi-Fi signal can detect and judge the behavior without any user intervention and without affecting the privacy security of personnel， which is significantly different from the use of camera or infrared detection， and has become a research hotspot. In this paper， the channel state information of the physical layer is collected based on the Wi-Fi chip platform， and the detection model related to the mobile carrier information is constructed. Based on big data analysis and intelligent algorithm， the relevant implementation scheme is given， and the waveform features are captured from the wireless channel based on experimental verification， which verifies the effectiveness of the scheme. The analysis of the results also provides a direction for further improvement of the follow-up accuracy.

Keywords： Wi-Fi awareness; channel state information; intrusion detection; big data processing; detection model

感知手段的發(fā)展促使了智能家居的普及，而智能家居的場景化使用要求也提升了人們對于感知的進(jìn)一步應(yīng)用。當(dāng)前遠(yuǎn)程檢測成為應(yīng)用熱點(diǎn)，各種sensor傳感器應(yīng)用也逐步成為家庭組網(wǎng)的關(guān)鍵，越來越多的產(chǎn)品都以集成豐富是傳感器組件為賣點(diǎn)，但在相關(guān)產(chǎn)品的應(yīng)用過程中，如何保護(hù)用戶隱私，在獲得信息感知并提供感知服務(wù)的同時不造成額外的開銷成為技術(shù)研究的趨勢。

當(dāng)前市場上常用的檢測系統(tǒng)在技術(shù)實(shí)現(xiàn)上多采用基于計(jì)算機(jī)視覺[1-2]、專用傳感器和射頻信號[3-4]3種方式，相關(guān)技術(shù)方案成熟但在運(yùn)行維護(hù)時有成本高、部署困難的情況，而且對于被檢物體存在隱私泄露的情況。隨著算例的提升以及人工智能技術(shù)的發(fā)展，通過利用環(huán)境中已有的無線信號如聲、光或無線射頻信號進(jìn)行感知采集成為研發(fā)熱點(diǎn)，這種非傳感器感知進(jìn)行信息加工和計(jì)算的方式將人類對于物質(zhì)世界的認(rèn)識推到了一個新的高度。

對于智能家居來說，基于家庭數(shù)據(jù)中心的CPE來做技術(shù)研究，在不引入新的設(shè)備載體的情況下，通過算例改進(jìn)來實(shí)現(xiàn)新業(yè)務(wù)是本文的關(guān)注重點(diǎn)，本文基于實(shí)驗(yàn)驗(yàn)證，從Wi-Fi無線信號的采集入手，給出一種Wi-Fi信道信息采集、建模計(jì)算和優(yōu)化改進(jìn)的方法，并通過實(shí)際測試完成了實(shí)現(xiàn)非傳感器感知的方案。

1? 方案原理

如圖1所示，對于無線Wi-Fi信號，無論是2.4G還是5G頻段，其因?yàn)槭褂玫氖枪_頻道都會受到不同的信道干擾，在AP和STATION之間信號從不同的路徑發(fā)射和接收，由于多普勒效應(yīng)，會存在接收端接收到的信號來自不同信道，這些不同信道所呈現(xiàn)的波形疊加將產(chǎn)生不同的疊加信號。而居于信道上的物體的移動會造成信道的直接干擾，物體的形狀、速度以及裝備等都會對信號路徑產(chǎn)生不同的影響，這些信息特征將為物體的感知做出不同的映射，這種映射關(guān)系將成為信道覆蓋范圍內(nèi)設(shè)備動靜感知的基礎(chǔ)[5-6]。

Wi-Fi Sensing就是基于信號處理、特征分析以及機(jī)器學(xué)習(xí)等技術(shù)，對無線信道進(jìn)行噪聲過濾和采樣分析，識別出需要的有用信息，把這些信息轉(zhuǎn)換為多普勒譜圖，并結(jié)合譜圖做大數(shù)據(jù)分析處理，找出規(guī)律達(dá)到識別載體運(yùn)動的軌跡。

Wi-Fi無線信道強(qiáng)度RSSI是Wi-Fi信號質(zhì)量最明顯的信息特征，也是人們對于Wi-Fi覆蓋質(zhì)量應(yīng)用最廣的判定因素之一，在早期的Wi-Fi Sensing人體感知研究中，有研究者以 RSSI作為信息載體想從中獲得統(tǒng)計(jì)數(shù)據(jù)。但實(shí)際測試發(fā)現(xiàn)，因?yàn)镽SSI 易受環(huán)境的干擾，不同干擾源所造成的RSSI結(jié)果又處于相同值，這使得通過RSSI進(jìn)行行為提取的模型難以快速建立，并且抽象的數(shù)據(jù)模型也不能使用到復(fù)雜的物體移動場景中，為了更多地在無線信息中提取有效數(shù)據(jù)，并且基于算例的考慮，最新技術(shù)是使用疊加了多徑效應(yīng)的信道狀態(tài)來進(jìn)行判斷，這比單純依靠RSSI能獲得更多的有效數(shù)據(jù)，成為感知研究的主導(dǎo)技術(shù)[7]。

圖1? 室內(nèi)無線信號的傳播路徑

2? 基于CSI的信息處理

2.1? 信道狀態(tài)信息（CSI）

信道是無線信號傳遞的路徑，與信道頻率響應(yīng)相同，可以從頻域角度來描述信道對于傳輸信號的影響，常用于在正交頻分復(fù)用（Orthogonal Frequency Division Multiplexing，OFDM）系統(tǒng)中描述各個子信道的屬性，在信號傳遞的路徑上必然會存在各通道信號的疊加，這是不同于主傳輸通路的噪聲信號，但這些疊加狀態(tài)信息可以基于OFDM來度量信道狀態(tài)。這樣每一條無線鏈路都會產(chǎn)生對應(yīng)的CSI 值。與RSSI相比，CSI提供了更為豐富、細(xì)粒度的信號狀態(tài)信息，這些包含特定信息的CSI載體是進(jìn)行應(yīng)用開發(fā)的關(guān)鍵。

2.2? 計(jì)算方法

行為運(yùn)動檢測最終是要劃歸為模式識別，而模式識別的關(guān)鍵是數(shù)據(jù)的分析計(jì)算，在模式識別問題中，選取的特征將影響數(shù)據(jù)的分類。正如香農(nóng)采樣定律描述的，不同的采樣數(shù)據(jù)將直接影響最終的計(jì)算結(jié)果。隨著無線協(xié)議技術(shù)的發(fā)展，各個芯片平臺在API接口上都會把響應(yīng)的CSI值量化輸出，使用CSI進(jìn)行數(shù)據(jù)采集，不但平臺支持，而且方便抓取，所以物體移動檢測判斷就演變成CSI的采集以及算法的設(shè)計(jì)，良好的算法將使得信道的特征表現(xiàn)更加明顯，也更能基于大數(shù)據(jù)分析獲得物體運(yùn)動的映射特征。

3? 方案仿真

本文設(shè)計(jì)的人體檢測系統(tǒng)方案總體流程圖如圖2所示，為了更好地獲得模型數(shù)據(jù)，在檢測上采用預(yù)訓(xùn)練階段和實(shí)時檢測階段兩大部分。在預(yù)訓(xùn)練階段，先對檢測區(qū)內(nèi)的物體分布、采樣區(qū)大小及區(qū)域布置進(jìn)行數(shù)字畫像，分別采集監(jiān)測區(qū)域的物體信息，包括并不限于物體移動速度、距離及大小等可視數(shù)據(jù)。經(jīng)過預(yù)訓(xùn)練，得到了完整的機(jī)器學(xué)習(xí)模型。再進(jìn)行在線實(shí)時檢測，明確不變的設(shè)備保持固定，以減輕模型計(jì)算的復(fù)雜度。獲得物體移動實(shí)時檢測數(shù)據(jù)，把相關(guān)數(shù)據(jù)和預(yù)訓(xùn)練完成的模型結(jié)合特征值進(jìn)行分類概率計(jì)算，這個概率即判斷環(huán)境中是否有物體移動的概率，以概率的線性區(qū)間展示移動的規(guī)律。

3.1? 數(shù)據(jù)預(yù)處理

在采集CSI數(shù)據(jù)時，無論預(yù)先統(tǒng)計(jì)數(shù)據(jù)建模還是在建模后的實(shí)時數(shù)據(jù)訓(xùn)練，因?yàn)闊o線環(huán)境的多徑效應(yīng)，信道上存在無數(shù)的雜散和因?yàn)榄h(huán)境噪聲造成的信道質(zhì)量影響，采集到的CSI信息往往存在異常信息，這些異常信息需要予以剔除，Hampel濾波以決策的方式能尋找到CSI數(shù)據(jù)序列中的異常數(shù)據(jù)，并將更具有這組數(shù)據(jù)中特征的數(shù)值代替異常值以達(dá)到去噪的目的[8-9]。CSI數(shù)據(jù)靜濾波器降噪后的效果如圖3所示。

原始的CSI數(shù)據(jù)中伴隨著大量加性高斯白噪聲，為濾除噪聲保留動作信號，使用離散小波變化（DWT）來對CSI進(jìn)行多次分解重構(gòu)。通過調(diào)節(jié)細(xì)節(jié)系數(shù)中的閾值模式和尺度噪聲過濾了與活動無關(guān)的高頻子帶。采用小波變化中消失矩為3的小波基函數(shù)對原始CSI完成8次分解重構(gòu)，細(xì)節(jié)系數(shù)選取minimaxi。噪聲與原始動作信號在小波譜上各具特點(diǎn)，使用離散小波消除噪聲，原理為消除各個尺度上由噪聲所產(chǎn)生的小波譜分量并適當(dāng)改進(jìn)有效動作行為信號的小波譜。具體為將伴隨著噪聲信號的CSI動作信號劃分為幀，每一幀通過db3小波函數(shù)分解后生成每一層的分解系數(shù)，在過程中使用閾值限定的方法最終實(shí)現(xiàn)噪聲的降低。同時，對動作的分量同樣使用閾值法增強(qiáng)，經(jīng)小波變換處理前后的CSI人體活動行為如圖4所示。

圖2? 人體感知檢測系統(tǒng)框圖

（a）? 原始波形

（b）? Hampel濾波后波形

圖3? CSI數(shù)據(jù)經(jīng)Hampel濾波的對比

（a）? 原始CSI數(shù)據(jù)

（b）? DWT處理后

圖4? DWT濾波對比

3.2? 無線鏈路選擇

Wi-Fi感知所在MIMO系統(tǒng)中，存在多條無線射頻鏈路。每條無線射頻鏈路中都包含有CSI信息，可以對無線信號的多徑效應(yīng)進(jìn)行描述。由于受到同頻干擾或者環(huán)境中多徑效應(yīng)的影響，不同的鏈路之間的信號波動存在差異性，對運(yùn)動物體的行為也具有不同的敏感度。這種差異性對被動入侵檢測的準(zhǔn)確度有著直接的影響。

本文通過數(shù)據(jù)分析驗(yàn)證，選取靜態(tài)環(huán)境下，各條無線射頻鏈路中CSI幅值信息的方差、峰值等特征作為鏈路的評估屬性，采用多屬性決策的思想從多個評價測度對無線射頻鏈路的性能進(jìn)行分析對比，最后依據(jù)其性能的優(yōu)劣進(jìn)行排序，選用性能最佳的無線射頻鏈路來實(shí)現(xiàn)被動入侵檢測，從而提高檢測的魯棒性和精度。

4? 方案驗(yàn)證

4.1? 驗(yàn)證環(huán)境

為了做方案的原理驗(yàn)證，選擇了2個室內(nèi)環(huán)境進(jìn)行驗(yàn)證。如圖5所示選擇了固定的2個日常會議室作為實(shí)驗(yàn)場地，實(shí)驗(yàn)過程中，除了人員動靜移動外，其他會議室內(nèi)的物體不發(fā)生變化。

會議室內(nèi)布置了一個無線CPE路由器和一部手機(jī)，在實(shí)驗(yàn)過程中均保持位置距離不動，路由器作為熱點(diǎn)，手機(jī)通過Wi-Fi和路由器進(jìn)行上網(wǎng)連接，過程中保持Wi-Fi數(shù)據(jù)通路有固定流量，2個場景中設(shè)備型號和品牌相同。在實(shí)驗(yàn)場景中，路由器和手機(jī)被固定之后，設(shè)置一個固定采樣頻率，同時，讓一個人在室內(nèi)以不同的速度在室內(nèi)隨機(jī)移動，這時就可以觀察到接收端信號頻率的變化，在接收端不斷采集記錄這些信號值，然后從中提取CSI數(shù)據(jù)存儲在預(yù)定的數(shù)據(jù)庫中。這個是預(yù)采集過程，這個過程要確保足夠長并且獲得的數(shù)據(jù)量本足夠多，確保CSI的數(shù)據(jù)能在信號變化的情況下準(zhǔn)確輸出并被捕獲統(tǒng)計(jì)。這能有效確保設(shè)備工作正常，數(shù)據(jù)采集流程是可靠的。

隨后再安排不同數(shù)量的志愿者進(jìn)一步參與數(shù)據(jù)采集，每種移動情況都采集若干組數(shù)據(jù)，每一組數(shù)據(jù)都存儲統(tǒng)計(jì)。對于人體移動的速度，快、慢和非常慢大約分別做了不同的設(shè)定，以便后續(xù)計(jì)算匯總的時候能快速導(dǎo)出。

（a）? 實(shí)驗(yàn)場地1

（b）? 實(shí)驗(yàn)場地2

圖5? 實(shí)驗(yàn)環(huán)境平面圖

4.2? 統(tǒng)計(jì)分析

在數(shù)據(jù)采集的基礎(chǔ)上，使用大數(shù)據(jù)的統(tǒng)計(jì)分析，可以匯總導(dǎo)出人員數(shù)量、移動速度和CSI變化的統(tǒng)計(jì)曲線，進(jìn)一步把相關(guān)曲線做方差統(tǒng)計(jì)，給出基礎(chǔ)CSI變化的分布區(qū)間。然后隨機(jī)安排人員進(jìn)入實(shí)驗(yàn)室，跟蹤C(jī)SI變化曲率與基礎(chǔ)CSI的比照，計(jì)算出概率分布，依據(jù)概率給出人員的運(yùn)動模式，再和實(shí)際的監(jiān)控做比對，檢測實(shí)驗(yàn)的有效性。

實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，檢測精度與不同場景、不同時間窗和不同運(yùn)動速率、范圍都相關(guān)，但影響比重不同。房間的大小對檢測精度有輕微影響，在稍大實(shí)驗(yàn)室房間中的檢測精度有所下降，如圖6所示。

圖6? 不同場景的人體識別準(zhǔn)確率

4.2.1? 時間窗口對檢測精度的影響

實(shí)驗(yàn)結(jié)果還發(fā)現(xiàn)不同CSI采集時間窗口也影響檢測的平均精度。如圖7所示，隨著采集窗口時間的變化，檢測計(jì)算結(jié)果也存在差異，如果窗口采樣時間過長，數(shù)據(jù)量加大對于計(jì)算復(fù)雜程度明顯提高，也降低了系統(tǒng)的響應(yīng)速度。

圖7? 不同時間窗口的識別準(zhǔn)確率

4.2.2? 移動距離對檢測精度的影響

通過實(shí)驗(yàn)發(fā)現(xiàn)，實(shí)驗(yàn)者在室內(nèi)的移動范圍也影響檢測精度，因?yàn)閃i-Fi的覆蓋以及使用產(chǎn)品的天線設(shè)計(jì)因素，在不同Wi-Fi信號覆蓋區(qū)間移動，距離的變化也對精度有影響。在真實(shí)環(huán)境中，人員移動的信號變化與理想環(huán)境下不可能是直接的線性關(guān)系，走路的路徑變化直接對應(yīng)Wi-Fi信號變化，在實(shí)驗(yàn)中可以看到，逐漸增大人與設(shè)備之間的距離，無線信號存在變化，距離的變化導(dǎo)致精度出現(xiàn)變化。為了增加系統(tǒng)的人體檢測精度，可以將設(shè)備擺放在合理的位置，增加監(jiān)測范圍或增加感知設(shè)備的數(shù)量，提高檢測精度。

4.2.3? 采樣率對檢測精度的影響

在驗(yàn)證過程中還發(fā)現(xiàn)，采樣的頻率如CSI采樣率也影響檢測精度，統(tǒng)計(jì)不同的 CSI采樣率大小，所計(jì)算的精度值變化比較大，但采樣率的變化也直接影響計(jì)算的工作量和模型的復(fù)雜度，所以對于采樣率的設(shè)置還需要綜合考慮?；跈z測場景的預(yù)設(shè)頻率將是提升檢測精度的關(guān)鍵，原因是較低的采樣率會導(dǎo)致細(xì)粒度信息的丟失。同樣，過高的采樣率會導(dǎo)致系統(tǒng)計(jì)算復(fù)雜度提高，降低系統(tǒng)的綜合性能。

4.3? 存在的問題

當(dāng)多人處于同一區(qū)域時，人群會引起信號的疊加效應(yīng)，從而難以在無線信號的信息中獲取準(zhǔn)確的檢測特征，降低檢測系統(tǒng)的準(zhǔn)確率。

CSI 是為提高通信性能而設(shè)計(jì)的，并沒有針對感知問題優(yōu)化，沒有統(tǒng)一的標(biāo)準(zhǔn)，路由設(shè)備感知和通信是相互影響的。目前，可采集CSI數(shù)據(jù)的設(shè)備及Wi-Fi芯片數(shù)量很少，且不同平臺采集的CSI數(shù)據(jù)多數(shù)不能通用，本文使用基于高通IPQ5018平臺CPE路由器抓取CSI數(shù)據(jù)，不能借鑒目前開放的數(shù)據(jù)集。

有一點(diǎn)值得關(guān)注，IEEE 802.11bf工作組正在積極推進(jìn)Wi-Fi Sensing的標(biāo)準(zhǔn)化工作，規(guī)范Wi-Fi網(wǎng)絡(luò)中采集分發(fā)CSI信息的標(biāo)準(zhǔn)格式和流程。這使得Wi-Fi Sensing技術(shù)的未來落地應(yīng)用具備了一定的基礎(chǔ)。

5? 結(jié)論

本文通過對Wi-Fi信道的分析和結(jié)合多普勒路徑信號變化的實(shí)際，給出了一種無線感知檢測的新方案，基于大數(shù)據(jù)計(jì)算和統(tǒng)計(jì)分析，描述了使用Wi-Fi Sensing進(jìn)行感知的具體實(shí)現(xiàn)原理和過程，通過實(shí)驗(yàn)驗(yàn)證證明了基于平臺提供的CSI數(shù)據(jù)可以方便實(shí)現(xiàn)無線檢測的基本功能，實(shí)驗(yàn)中也發(fā)現(xiàn)了使用該信號量計(jì)算時對于檢測精度影響的相關(guān)因素，進(jìn)一步優(yōu)化規(guī)避相關(guān)因素可以提升檢測精度。

參考文獻(xiàn)：

[1] 孔金生，李婧馨，段鵬松，等.基于Wi-Fi信號的人體身份識別算法研究綜述[J].計(jì)算機(jī)科學(xué)，2021，48（10）：246-257.

[2] STARNER T， PENTLAND A. Real-time american sign language recognition from video using hidden markov models[M]. Motion-based recognition. Springer，? Dordrecht， 1997： 227-243.

[3] KELLOGG B， TALLA V， GOLLAKOTA S. Bringing gesture recognition to all devices[C]//11th USENIX Symposium on Networked Systems Design and Implementation （NSDI 14）. 2014： 303-316.

[4] DIAN Z， JIAN M， QUANBIN C， et al. An RF-based System for Tracking Transceiver-free Objects[C]//5th Annual IEEE International Conference on Pervasive Computing and Communications （PerCom 2007）， 2007：135-144.

[5] CHUNMEI H， KAISHUN W， YUXI W， et al. WiFall： Device-free Fall Detection by Wireless Networks[C]//IEEE INFOCOM 2014 - IEEE Conference on Computer Communications， Vol.1： Toronto， Ontario（CA）.27 April - 2 May 2014.：Curran Associates， Inc.， 2014：271-279.

[6] WU K， XIAO J， YI Y， et al.CSI-based indoor localization [J].IEEE Transactions on Parallel and Distributed Systems， 2013，24（7）：1300-130.

[7] 楊錚，劉云浩.Wi-Fi雷達(dá)：從RSSI到CSI[J].中國計(jì)算機(jī)學(xué)會通訊，2014，10（11）：55-60.

[8] PEARSON R K， NEUVO Y， ASTOLA J， et al. The class of generalized hampel filters[C]//Proc of European Signal Processing Conference， Piscataway. NJ： IEEE， 2015：2501-2505.

[9] 馬凱凱，段鵬松，孔金生.WiGNet：一種適用于無線感知場景的手勢識別模型[J].西安交通大學(xué)學(xué)報，2023，57（5）：194-203.