基于IR-UWB雷达的多视角融合动态目标追踪

近年来,对运动目标的定位和追踪被广泛地应用于室内导航、智能家居、安防监控和智慧医疗等场景.基于无线射频信号的非接触式定位追踪受到了研究人员的广泛关注,其中基于商用IR-UWB的技术能够以较低的成本和功耗实现目标定位和追踪的功能,具有较强的发展潜力.然而,现有工作大多存在以下问题:1)追踪场景受限,只针对理想情况下室外或者相对空旷的室内场景进行建模和处理; 2)目标的运动状态受限且建模过于理想; 3)虚假动态目标引起的追踪精度不足.为了解决这些问题,在理解多径场景下接收信号谱组成的基础上,提出一个基于IR-UWB的动态目标追踪方法.首先提取原始信号谱中动态成分,并利用基于高斯模糊的多径消除和距离提取算法,消除了多径干扰,仅保留与运动目标直接相关的一次反射信息,从而准确地获取了目标的距离变化曲线.随后,提出多视角融合算法,将不同视角上的设备距离信息进行融合,实现对自由活动目标的准确定位和追踪.此外,还搭建一个基于低成本商用IR-UWB雷达的实时动态目标追踪系统.真实室内家居场景中的实验结果表明,系统估计的人体中心的位置与真实运动轨迹的误差始终小于20 cm.在改变实验环境、实验者、活动速度...     

基于信道状态信息相位差的人员入侵检测方法

目前基于Wi-Fi的人员入侵检测方法缺少对相位信息的利用,从而限制了入侵检测的适用范围和感知距离.讨论了信道状态信息相位差的可行性,采用轻量级的指标来感知无线环境的状态变化.利用递归量化分析法对静止情况下的子载波进行挑选,采用离散小波变换提取呼吸信号,进一步判断当前环境是否有人入侵.不同实验场景的结果表明,运动和静止人员的检测精度都可以达到90％.     

基于Wi-Fi信道状态信息的行走识别与行走参数估计

行走是日常生活中最常见的行为之一,它的特征可以反映人的身份、健康等重要信息.例如,行走的速度、方向、步数、步长等细粒度的参数可以为室内追踪、步态分析、老人看护等情境感知应用提供关键信息.因此,在近几年中,利用环境中已有的Wi-Fi信号对行走进行感知受到了研究人员的广泛关注.为了利用Wi-Fi信号感知行走,当前的方法都需要进行大量的行走数据采集,通过经验观察或者离线学习,提取信号特征来识别行走以及估计行走参数.由于缺乏理论指导,所提取信号特征较为间接且往往包含与环境和感知目标相关的冗余信息,所以当环境和感知目标发生变化时,系统需要重新进行学习,使其难以被应用于无线环境易变的真实场景中.不同于以往工作,首次在不需要任何预训练的情况下,利用环境中已有的Wi-Fi信号实现了在连续活动中对行走行为的精准识别,并且能够同时精确地估计行走的速度、方向、步数、步长等多维信息,为上层情境感知应用提供关键的上下文信息.特别地,通过分析人在行走过程中产生的多普勒效应和Wi-Fi信道状态信息（channel state information）之间的关系,建立基本的多普勒速度运动模型,揭示了行走行为和信道状态信息变化之间的理论关联.同时,基于该模型,通过多重信号分离（multiple signal classification）算法从信道状态信息中提取出了与环境和感知目标均无关、仅与人运动状态相关的信号特征——多普勒速度.最后,通过深入研究多普勒速度和人的行走真实速度之间的映射关系,提出了基于多普勒速度的行走识别与细粒度的行走参数估计方法,且经过在不同环境中、由不同实验者进行的大量实验也表明了行走识别和行走参数估计方法的准确性和鲁棒性.其中,对于行走识别的准确率达到了95.5%,行走速度大小估计的相对中位误差为12.2%,方向估计的中位误差为9°,步数统计的准确率达90%,步长估计的中位误差为0.12m.     

WiFense：从衍射模型到边界监控

近年来,随着普适计算概念的深入人心,智能感知技术已成为研究者们关注的焦点,且基于WiFi的非接触式感知因其优秀的普适性、低廉的部署成本以及良好的用户体验越来越受到学术界和工业界的青睐.典型的WiFi非接触式感知工作有手势识别、呼吸检测、入侵检测、行为识别等,这些工作若实际部署,需首先避免其他无关区域中无关行为的干扰,因此需要判断目标是否进入到特定的感知区域中.这意味着系统应具备精准判断目标在界线哪一侧的能力,然而现有工作未能找到一个可以对某个自由设定的边界进行精确监控的方法,这阻碍了WiFi感知应用的实际落地.基于这一关键问题,从电磁波衍射的物理本质出发,结合菲涅尔衍射模型(Fresnel diffraction model),找到一种目标穿越link (收发设备天线的连线)时的信号特征(Rayleigh distribution in Fresnel diffraction model,RFD),并揭示该信号特征与人体活动之间的数学关系;之后以link作为边界,结合天线间距带来的波形时延以及AGC (automatic gain control)在link被遮挡时的特征,通过越线检测实现对边界的监控.在此基础上,还实现了两个实际应用,即入侵检测系统和居家状态监测系统,前者的精确率超过89%、召回率超过91%,后者的准确率超过89%.在验证所提边界监控算法的可用性和鲁棒性的同时,也展示了所提方法与其他WiFi感知技术相结合的巨大潜力,为WiFi感知技术的实际部署提供了思考方向.     

移位方式对用户在虚拟环境中空间感知的影响

虚拟环境中用户的空间感知会受诸多因素的影响.针对真实行走、传送和万向跑步机行走等典型的移位方式对空间感知的影响,让用户执行3种实验任务,即在无参照物场景中根据系统语音提示完成指定距离或角度的移动或旋转(无参照物定量移动)、在有圆柱参照物的场景中根据系统语音提示完成指定距离或角度的移动或旋转(有参照物定量移动)、在无参照物场景中添加小球作为目标导航物完成移动或旋转(参照物导航移动),系统记录主客观数据,并进行对比分析.实验结果表明,3种移位方式对角度感知的影响没有显著差异,但对距离感知的影响有显著差异.在真实行走时用户能保持最好的距离感知,万向跑步机行走能较好地保留用户的距离感知,传送会明显降低用户的距离感知.参照物导航移动比无参照物定量移动和有参照物定量移动更好地保留了用户的空间感知.     

一种基于压缩感知的水下目标被动测距方法

基于目标空间域的稀疏性和聚焦波束形成的机理,提出了一种基于压缩感知的水下目标被动测距方法.首先,按照先方向后距离的方法对整个搜索空间进行网格划分;其次,根据球面波传播的均匀线列阵声纳接收数据模型,针对空间每个搜索方向按均匀距离间隔构造了每个方向上完备的阵列流形,并将其作为对应方向上压缩感知的感知矩阵,结合压缩感知理论数学模型,构建了对应方向上水下目标信号估计的凸优化模型;再次,采用基追踪算法对凸优化模型进行求解,计算出每个搜索方向、距离上目标信号的能量;最后,通过搜索整个空间的信号能量峰值,实现了水下目标被动测向与测距.仿真分析表明,该方法在距离估计上具有较高的聚焦性,可有效解决传统聚焦波束形成技术距离分辨率低的问题,能够实现对水下多个互不相干窄带目标信号的被动测向和测距.     

基于压缩感知技术的自适应阵列天线滤波系统的研究

随着通信等行业的发展,对自适应阵列天线滤波系统的吞吐量提出了更高的要求。本文利用压缩感知技术的稀疏化特点降低数据的计算复杂度。首先减少天线阵元所接收信号的测量数据,再送至自适应天线系统进行滤波处理,然后通过重构算法——SP算法(子空间匹配追踪)进行信号重构,能有效地降低自适应阵列天线滤波系统的计算复杂度,提高自适应阵列天线滤波系统的数据吞吐量。     

认知无线电中一种基于秩准则的鲁棒多天线盲频谱感知算法

在多天线感知场景中,噪声不确定的存在使得经典的能量检测算法的感知性能表现出不稳定性。基于多天线接收信号的统计协方差矩阵为秩-1矩阵这一事实,提出一种基于秩准则的频谱感知方法。该方法首先将取样协方差矩阵分解为具有未知秩的理想信号矩阵和噪声扰动矩阵之和,然后采用秩检测准则估计接收信号子空间的最佳维数,最后利用该值判断信道的状态。与经典的能量检测方法相比,新方法对噪声不确定性具有良好的鲁棒性,且属于全盲检测方法。具体而言,新方法在感知判决过程中,无需事先知道噪声方差以及主用户信号和无线信道的统计特征。仿真结果验证了基于秩准则的多天线频谱感知算法的有效性。     

基于信号可信度的压缩感知协作频谱检测算法

压缩感知为认知无线电的宽频谱感知提供了一种新的方法和思路。基于压缩感知的原理,提出了一种多认知用户协作场景下,基于信号可信度的协作频谱检测算法。该算法根据不同认知用户接收信号的优劣判定用户感知结果的可信度,并利用正交匹配协作追踪算法获得认知区域内的频谱占用情况。仿真结果表明,该算法在不同信噪比范围下其检测性能均优于传统算法,以较小的复杂度代价改善了检测性能。     

建立Avatar感知能力与自主行为选择模型的新方法

在人脸重构系统与智能虚拟环境系统的研究基础上，提出了一种基于Agent的建立虚拟人感知能力与行为选择模型的新方法。该方法把虚拟人(Avatar)当成一个Agent，它在虚拟场景中能够识别三维物体以及利用传感器计算物体的运动方向。Avatar的行走采用骨架模型来进行仿真，并且其行走行为由七个基本动作行为组成。实验结果显示新方法是具有较好的效果。     

用菲涅尔区模型探究WiFi感知系统的稳定性

基于WiFi的非接触感知系统利用环境中广泛存在的WiFi信号在自然情况下对用户活动进行感知,具有十分广阔的应用前景。从细粒度活动到粗粒度活动,现有工作进行了大量的探索,但尚未理解和解决感知系统稳定性不足的问题。当感知对象、收发设备位置、测试环境等发生变化时,系统性能会受到严重影响。实际上,人体活动对应的接收信号模式因位置和朝向的变化而带来的不一致性导致了系统不能稳定工作。为了理解这种现象的本质,利用团队提出的基于无线感知的菲涅尔区衍射和反射模型,精确定量刻画了目标物体相对于收发设备的位置、运动轨迹和无线信号波形模式之间的关系。通过两个应用实例,即细粒度的手指动作识别和粗粒度的健身活动识别,在模型的指导下,分别解释了系统不能稳定工作的原因,说明了如何得到一致的感知波形,以及如何构造可区分的感知波形,并给出了提升感知系统性能的方法。     

基于差分星座轨迹图的LoRa设备识别方法

LoRa作为一种扩频远距离无线传输技术,广泛应用于物联网领域,其终端设备的安全问题也随之成为热点研究对象。针对LoRa的调制原理及信号特性,文章提出一种基于差分星座轨迹图的LoRa设备识别方法,将终端设备认证问题转化为图像处理问题。该方法将接收信号的星座轨迹图进行差分处理,并基于聚类算法获得差分星座轨迹图的聚类中心,作为设备的唯一标识。此外基于欧式距离的相似度计算方法,对设备聚类中心进行匹配,实现终端设备的身份认证。实验结果表明,基于差分星座轨迹图的LoRa设备识别方法准确识别了4个LoRa传输模块,在信噪比较低的情况下仍具有较高的识别率,验证了方法的有效性和稳定性。     

光纤振动传感系统相位调制模块的嵌入式设计

针对光纤振动传感系统测试与标定环节缺乏便携式振动信号驱动装置的问题,设计了一款基于FreeRTOS和STemWin嵌入式系统的压电陶瓷相位调制模块.该模块使用STM32嵌入式微控制器,结合H桥功率驱动对信号进行功率放大.利用FreeRTOS嵌入式操作系统进行多任务功能部件开发,并设计了STemWin人机交互界面.随后搭建分布式光纤振动传感系统对嵌入式相位调制模块进行测试,结果表明该模块可实现驱动信号频率、占空比、输出极性和电压的调节,并可在总长为11.769km的传感光纤上对冲击信号进行实时采集,且振动信号定位误差在41m以内,从而可满足各类光纤振动传感系统在长距离不同位置处进行振动测试与标定的需求.     

Waveform design and high-resolution imaging of cognitive radar based on compressive sensing

We introduce the compressive sensing(CS) theory for waveform design of cognitive radar,and then propose an algorithm for the high-resolution radar signal waveform and its corresponding imaging method based on the sparse orthogonal frequency division multiplexing-linear frequency modulation(OFDM-LFM) signal.We first present the principle of spectrum synthesis and high-resolution imaging based on OFDM-LFM signals.Then,we propose the spectrum-sparse waveform design criterion and the reconstruction algorithm for a highresolution range profile(HRRP) based on CS.Based on this,we analyze in detail the relationship between the scattering characteristics of the target and the parameters of the designed signal,and we construct the feedback of the target characteristics on the waveforms.Therefore,the "cognitive" function of radar can be achieved by adaptively adjusting the waveform with the target characteristics.Simulations are given to validate the effectiveness of the proposed algorithm.     

基于压缩感知的多特征加权目标跟踪算法

针对被跟踪目标运动、纹理或环境变化时, 采用基于压缩感知目标跟踪算法目标易漂移、丢失的问题, 提出了改进的压缩感知目标跟踪算法。通过压缩感知算法提取灰度和纹理特征, 计算特征对样本分类结果并更新特征的权值, 使用加权过的特征寻找目标在下一帧的位置。对不同视频的测试结果表明, 提出的算法在目标运动、纹理或环境变化的情况下跟踪准确, 在目标大小80×120像素时平均帧速为25 fps。与传统的压缩感知跟踪算法和其他跟踪算法相比, 所提出的算法在目标运动、纹理或环境变化时能快速准确地获取跟踪目标, 并具有更强的鲁棒性。     

基于LoRa无线技术的地震应急救援坍塌信息获取

为准确获取到地震坍塌信息,提高救援抗灾能力,提出了基于LoRa无线技术的地震应急救援坍塌信息获取方法。首先分析LoRa无线技术传输系统工作流程,考虑受灾环境多径效应,在LoRa无线系统中使用三边定位锚点,估算坍塌位置节点,得到与实际位置的距离间隔;其次选用三轴高分辨率加速度传感器作为信息获取模块,以无线振动的形式完成信息采集,建立信息获取性能评估函数,提高获取性能,并对获取到的信息幅值采用相位差值算法较正,对得到的坍塌信号频率及相位完成修正,确保可准确的得到受灾区域相关信息数值;最后通过与支持向量机对比获取到的信息数量与准确率、地震区域坍塌类型、及加入其它地形作为干扰因素进行仿真,仿真结果显示,所提方法具有更高的准确率与稳定性。