基于WiFi 的人员动作识别实验演示系统

张 雷，张 跃，鲍 蓉，胡局新，田传耕，朱永红，

（1.徐州工程学院信息工程学院（大数据学院），江苏徐州 221000；2.东南大学移动通信国家重点实验室，南京 210096；3.中国矿业大学矿山互联网应用技术国家地方联合工程实验室，江苏徐州 221000）

0 引言

近年来物联网技术高速发展让越来越多的通信技术实现了感知功能［1-6］。为让本科生了解物联网的前沿技术，提高学生对专业课学习的兴趣，开发一套基于WiFi的人员动作识别实验演示系统。该系统以未来智慧病房为背景，综合信号处理、通信技术、机器学习和深度学习等多课程知识实现对人员不同动作的实时识别。

1 基于WiFi的人员动作判识机理

在视距场景下WiFi 信号通过视距路径从发射端传输到接收端，如图1 所示，当有人员在做动作时，传输路径会发生改变，原来视距传输的信号会以折射或散射的形式进行传输［7］，也就是说人员的不同动作会引出不同的额外传输路径。因此，通过对传输路径进行分析，就能反演出人员的动作。

图1 人员动作引起的路径变化

信道状态信息（Channel State Information，CSI）是用来描述信号从发射到接收传输过程中经历的反射、散射、衰落等情况［8］。在WiFi 网络使用的OFDM 系统中，WiFi 信号以多个正交子载波的形式进行传输［9］，即

式中：y为接收信号；x 为发射信号；Η为信道状态信息矩阵；n为噪声。

在使用IEEE 802.11n 协议中WiFi 网络中，信号在不同的带宽下以不同编号的子载波形式进行传输，每个子载波通过幅度和相位两部分信息来描述信道状态信息［10］

表1 802.11 协议中不同带宽下的子载波情况

2 人员动作判识系统

如图2 所示，人员动作判识系统由信号采集和动作判识模块两部分组成。信号采集模块主要负责CSI信号采集、信号预处理以及构造动作特征信息，并将动作特征信息通过网络传输到动作判识模块。动作判识模块将动作特征信息作为输入向量，分别送入支持向量机（Support Vector Machine，SVM）、随机森林（Rand Forest，RF）、残差网络（Residual Network，ResNet），建立动作判识模型。

图2 人员动作识别系统构成

2.1 信号采集

信号采集模块对CSI信号中的幅度和相位分别进行处理，然后利用处理后数据构造动作特征信息矩阵。

（1）幅度信号处理。幅度信号主要是利用Hampel滤波器进行处理［11］，假设采集到的一组幅度信息

式中：xreal为真实值；ek为多种误差集合。利用Hampel滤波器对幅度数据进行滤波处理。

式中：T为处理后的数据；xmedian为中位数；M为绝对中位误差。

（2）相位信号处理。由于测量噪声、锁相环初始相位偏差、边界检测延时采集到的相位的紊乱，为能获得稳定的相位信息，应用线性变化CSI 相位进行处理［12］：

式中：∠为处理后数据；N为快速傅里叶变化点数。

（3）动作特征信息构造。由动作识别机理分析可见，人员的动作会如额外的传播路径，应用路径分解算法，对传播路径进行分解构造动作特征信息，路径分解算法程序

2.2 动作判识系统

为提高展示系统的操作性，在动作判识系统中已集成了SVM，RF和Resnet算法架构［13-15］，只需将标定后的数据加载到算法中，就能自动训练出动作判识模型。判识系统运行分为离线训练和在线预测2 个阶段，系统运行流程如图3 所示。

图3 判识系统运行流程

在离线训练阶段，如图4 所示，人员在发射和接收端之间完成指定动作，对每个动作给与指定一个类别号，采集系统将每个动作发生期间的CSI 数据进行采集，完成信号预处理，构造动作特征信息，将标定后的特征数据发送至算法架构，进行模型训练，并将训练好的模型储存。

图4 测试场景

在在线预测阶段，人员随机完成某种动作，采集模块对采集的CSI数据进行处理，特征信息构造，然后将构造好的特征信息发送到判识模块，得到判识结果。

3 动作判识测试

3.1 演示系统样机

（1）硬件平台。如图5 所示，信号采集系统由商用WiFi 路由器和一台装有Intel5300 网卡的PC 机构成，图5（a）所示为WiFi发射端路由器，为接收端mini PC机，PC 机的操作系统为Ubuntu，在PC 机中安装CSI-Tool实现数据采集［16］。

图5 CSI数据发射和采集设备

（2）软件平台。采集端安装了CSI-Tool 工具，在数据采集时，同时打开两个命令窗口，一个命令窗口向路由器发送Ping 命令，另一个命令窗口运行log_to_file程序，实时采集CSI数据，采集结果如图6 所示。

图6 原始CSI数据采集

将数据发送到信号处理模块，根据2.1 节的方法，对CSI 的幅度和相位数据进行处理并构造信息，为能让学生直观观察到CSI 的幅度和相位信息，设计了幅度和相位可视化界面，如图7 所示。

图7 可视化界面

为降低学生操作难度，在判识系统中已将不同识别算法的模型训练完毕，学生只需勾选相应的算法就能实现不同算法间的切换，识别程序如图8 所示。

图8 动作识别程序

3.2 测试结果

演示系统测试了如“行走”“摘帽子”“扔东西”等8 种常见的动作，具体动作见表2。

表2 活动数据集简介

8 种动作的测试结果如图9 所示，图中的每一行为真实动作类别，每一列为通过算法得到的动作类别。由图中可见，大部分动作识别准确率较高，能够较好实现演示系统效果。

4 结语

本文开发的基于WiFi的人员动作识别实验演示系统，通过对几种常见动作的测试验证了系统的有效性。在“物联网技术”课程教学中，可利用该系统向学生展示科技前沿技术，激发学生的学习兴趣，培养学生的科研探索精神。