一、问题背景
随着我国人口老龄化问题的日益加重以及独居老人数量的日益增加，无人监管情况下老人摔倒导致的死亡案例也在日益增加，一款非可穿戴被动式的摔倒检测工具成为必要以保证老人的安全。随着Wi-Fi设备的日益普及，使用Wi-Fi来进行摔倒检测可以大大地降低我们的研制成本，而且相比于其他相应的可穿戴设备，不会对老人的生活便利性产生任何影响，而且老人们不用刻意地穿戴专门的设备，实现随时随地的摔倒检测。此外，相比于基于摄像头的视觉摔倒检测，不会侵犯老人的隐私，而且可以实现无盲区监测。
二、什么是CSI
在介绍如何通过Wi-Fi检测摔倒之前，首先我们需要明白，什么是CSI？它的全称是Channel State Information，即信道状态信息。因为人体的运动会影响空间电磁场的分布，导致信号的传播路径和相位时延发生改变，因此我们可以通过分析信道状态信息来提取动作的变化情况，从而分析出是否有摔倒事件的发生，若检测到相应情况，则联系紧急联系人进行报警。
二、数据的导入
使用CSI工具来获取Intel5300网卡上各种动作的CSI数据。每个动作的样本数据是一个999x3x30矩阵。990表示它在10秒内接收到990个数据包。每个包有一个struct，它包含三个链路中30个子载波的幅度和相位信息（发射天线的数目乘以接收天线的数目），它是一个3×30矩阵。各结构信息如下图所示：
clc
clear all;
csi_trace = read_bf_file(sample_data/logfallr111.dat);
for j=1:3
for i=1:990%这里是取的数据包的个数
csi_entry = csi_trace{i};
csi = get_scaled_csi(csi_entry); %提取csi矩阵
csi =csi(1,:,:);
csi1=abs(squeeze(csi).);
%天线选择
ant_csi(:,i)=csi1(:,j);
end
figure(j);
plot(ant_csi.);
hold on
end
这样，收集了摔倒CSI的原始数据集。 导入MATLAB后，比较了三种不同天线在摔倒的变化。可见，第二天线在摔倒时间上有明显的波动，即它能更好地反映摔倒，并呈现出明显的多普勒频移。
clc
clear all;
csi_trace = read_bf_file(sample_data/logfallr111.dat);
sub_case=zeros(3,990);
j=2;%子载波序号选择
for k=1:3
for i=1:990;
csi_entry=csi_trace{i};
csi=get_scaled_csi(csi_entry);
csi1=squeeze(csi(1,:,:)).;% 30*3 complex
csiabs=db(abs(csi1));
csiabs=csiabs(:,k);
csi1=csi1(:,k);
subcarrier(i)=csiabs(j);%10子载波幅度
if(subcarrier(i)>=25)
subcarrier(i)=25;
else if(subcarrier(i)<=1) %若采集的数据产生了无穷值或者异常值可用该语句限幅
subcarrier(i)=1;
end
end
end
sub_case(k,:)=subcarrier;
figure(1)
plot(sub_case(k,:));
hold on
xlabel(time(s));
ylabel(Amplitude(dB))
title(fall-signal);
axis([0 1000 0 35]);
end
legend(sub_case(1,:),sub_case(2,:),sub_case(3,:));
<
效果如下：
clc
clear all;
csi_trace = read_bf_file(sample_data/logfallr111.dat);
j=2;
for i=1:990;
csi_entry=csi_trace{i};
csi=get_scaled_csi(csi_entry);
csi1=squeeze(csi(1,:,:)).;% 30*3 complex
csiabs=db(abs(csi1));
csiabs=csiabs(:,2);
csi1=csi1(:,2);
subcarrier(i)=csiabs(j);%10子载波幅度
if(subcarrier(i)>=25)
subcarrier(i)=25;
else if(subcarrier(i)<=1) %若采集的数据产生了无穷值或者异常值可用该语句限幅
subcarrier(i)=1;
end
end
end
figure(1)
plot(subcarrier);
hold on
xlabel(time(s));
ylabel(Amplitude(dB));
title(fall-signal);
axis([0 1000 0 35]);
<
效果如下:
免责声明：文章内容来自互联网，本站不对其真实性负责，也不承担任何法律责任，如有侵权等情况，请与本站联系删除。基于Wi-Fi CSI的摔倒检测（一）：CSI数据的导入 https://www.yhzz.com.cn/a/13432.html
