无线信道状态信息在跌倒检测应用的研究

王学勇，熊 烽，蒋振华

（中国电子科技集团公司 第三十四研究所，广西 桂林 541004）

1 采集CSI数据以及CSI数据预处理

在无线通信领域，CSI就是通信链路的信道属性。它描述了信号在每条传输路径上的衰弱因子，即信道增益矩阵H（有时也称为信道矩阵或信道衰落矩阵）中每个元素的值，如信号散射、环境衰弱以及距离衰减等信息[1-6]。

1.1 CSI数据采集

本文CSI采集与识别的WiFi模块采用BCM43455C0芯片。CSI采集与识别模块作为接收器，路由器作为发送器，CSI提取器在发送器和接收器之间的通道上进行数据采集。通过Wireshark查看采集的CSI数据包的格式为UDP格式，十六进制，并且是1 024个字节长。在CSI采集与识别模块上实时显示CSI数据截图如图1所示。

图1 CSI数据截图

1.2 CSI数据预处理

信号的预处理主要针对CSI中的异常点和数据包丢失导致的CSI缺失、毛刺以及噪声抖动等问题，综合采用相位校正、异常点的去除、插值、卡尔曼平滑滤波、噪声滤波、最佳载波选择及直流分量去除等处理算法，最终获得每个子载波信道频率响应的准确估计[7,8]。

由于最初采集的原始CSI数据不仅包含动作信息和一些测量误差等，还包括由于多径等影响产生的干扰噪声，这些CSI中的异常值并非由所需要的动作引起，因此会妨碍动作特征的提取。为此，在训练CSI数据之前尝试采用Hample算法对原始CSI数据中的异常点进行处理。接收的WiFi信号中除了用于表示动作信号的低频部分，还包含因为传输过程中受到多径效应的影响而产生的高频成分，需要选择低通滤波器对CSI数据进行初步滤波，去除较大的高频噪声。低通滤波后为了进一步减少经过低通滤波器初次滤波后CSI数据中的噪声，获得更加纯正的CSI信号，并更加清晰地展现用户动作对应的子载波变化的局部特征，可尝试采用离散小波变换对CSI信号进行二次处理。

CSI数据的单个子载波其局部异常点去除的可视化结果如图2所示。滤波前波形和经过低通滤波后波形如图3和图4所示。经过用离散小波变换去噪前后动作信号如图5所示，由于处理后的子载波太长，为18 000×1的向量形式，因此截取了某一段CSI数据包中包含用户动作的子载波。从图中可以看出，离散小波变换有效的去除了高频噪声，保留了有用信号的尖峰，将较高频部分的信号与噪声区别开来，不至于过度滤波。信号的预处理后，最终能获得每个子载波信道频率响应的准确估计。

图2 局部异常点去除可视化效果

图3 CSI数据滤波前波形图

图4 CSI数据经过低通滤波后波形

图5 小波去噪前后CSI波形

2 居家老人危险状况的智能识别功能

使用WiFi信号信道状态信息进行动作识别的系统的整理框架如图6所示。

图6 使用WiFi信号进行动作识别的系统框架

由于CSI相位信息不够稳定而且校正比较复杂，为了提高效率，利用接收天线的30个子载波幅度信息足以进行用户动作识别的研究。对用户动作数据预处理后搭建并行CNN-LSTM网络，利用该网络对动作的CSI数据进行训练测试，通过对WiFi CSI数据的学习训练最终获得对动作分类的能力。

评估并行CNN-LSTM方法构建的学习模型性能的指标主要是识别精度和损失函数。从学习曲线图7可以看出，随着样本训练批次的增加，动作识别精度呈上升趋势，样本训练到6个批次左右时模型开始收敛，并且波动小比较稳定，当训练集识别准确率为100%时，在测试集上的平均识别精度为98.6%，相比于CNN网络识别准确率提升了8%，说明并行的CNN-LSTM网络比单一的CNN网络和LSTM网络提取了更充分的动作特征，能更好地识别多个用户的多种动作，从而检测跌倒[9]。损失曲线如图8所示，训练集与测试集损失随着训练批次的增加而逐渐下降，训练集起始损失3.2左右，当训练批次为10时，训练集的损失逐渐稳定至0，而测试集起始损失3.6左右，在训练达到20个轮次时开始趋于平缓，损失最终为0.2左右。

图7 并行CNN-LSTM的训练集与测试集学习曲线

图8 并行CNN-LSTM的训练集与测试集损失曲线

3 结 论

本文选择适合的深度神经网络类型及其拓扑结构，针对使用WiFi信号的信号状态信息进行用户动作识别，在对原始的CSI信息进行数据处理后，搭建CNN-LSTM网络对CSI数据进行训练分类达到动作识别的目的。实验结果表明，并行CNN-LSTM方法可以适应不同的用户，并且能够识别居家老人的多种动作，包括跌倒动作，识别准确率高于单一的深度学习算法，也具有较好的鲁棒性，同时可以结合室内定位技术[10]，当发生危险行为时及时发出报警的系统。该系统通过将室内所有的智能射频传感器模组进行无线组网，研发网络中的定位功能，不仅能够实现传感器对室内所有区域的覆盖，而且能够提供发生危险行为的准确位置。围绕智慧养老的创新应用一旦成功，能给亿万老年人带来极大的身心安全保障，极大地改善健康养老条件。