基于光强信息的室内平面图构建方法研究

为了快速、便捷地构建室内平面图,提出一种基于光强信息的室内平面图构建方法。该方法针对行人航迹推算(Pedestrian Dead Reckoning,PDR)算法中存在的“航向漂移”问题,采用四子样旋转矢量算法进行航向估计,通过轨迹拐点自校准算法矫正航向,融合室内光强信息,获取行人在不同区域的PDR轨迹。最后,基于多条PDR轨迹构建精确的室内平面图。仿真结果表明,构建的室内平面图与实际平面图的相似度达到98%。

基于信道状态相位信息的生命体征监测算法

随着无线通信技术的发展,基于无线的感知技术得到了广泛的研究。文中提出一种基于信道状态相位信息的生命体征监测算法。该算法使用传统WiFi设备获取信道状态相位信息;通过线性变换,减小因收发端不同步而引起的相移和时延干扰;采用Hampel滤波,滤除信号衰落和多径效应引入的直流分量和高频噪声;采用离散小波变换提取生命体征信息,进而根据呼吸和心跳频率的特点,分别采用多载波峰值融合算法估计呼吸频率和快速傅里叶算法估计心跳频率。实验结果表明,在多种场景下,所提算法能有效监测人员的呼吸和心跳频率。

面向多层建筑的人员室内运动状态识别方法

针对人员运动状态识别在复杂室内环境下准确性及稳定性方面的不足,提出一种面向多层建筑的人员室内运动状态识别方法。对于上下电梯、上下楼梯等垂直方向上的运动状态,在传统惯性传感器数据的基础上,融入气压传感器数据。气压传感器可以有效表征室内人员在垂直方向上运动状态的特征,显著提升了人员室内在垂直方向上运动状态的识别准确率。使用滑窗理论提取的传感器数据动态时序特征能比瞬时数据更有效地表示人员运动时的过程,并利用多层神经网络充分提取了人员室内运动状态更高层次的特征,提升了算法的准确及稳定性。实验结果表明,该方法相比于仅使用惯性传感器的人员运动状态识别方法,识别率提高了约10%,垂直方向上的运动状态识别率提高了20%。

基于信道状态信息的Wi-Fi认证方法

为了提升Wi-Fi设备的访问安全性,提出一种基于信道状态信息(Channel State Information,CSI)的Wi-Fi认证方法。该方法能够有效避免非法用户在非限定区域连接Wi-Fi。根据用户在不同位置连接Wi-Fi时能够引起不同CSI多载波分部的特性,在Wi-Fi信号范围内的各区域建立指纹库,采用Hampel滤波器去除CSI数据流中环境因素引起的噪声,利用支持向量机(Support Vector Machine,SVM)进行非限定位置筛选。使用Percentile算法提升RBF核函数选取参数的效率,显著提高认证方法的实时性。实验结果表明,正确认证准确率能够达到95%左右。