基于WiFi的无线信号行为检测 —行为识别算法研究和实现开题报告

1. 研究目的与意义

信号检测与行为识别技术可以用多种方式实现，例如视频、gps、红外线、超声波、雷达等，在老年人监护、安全监控、火灾搜救和节能等众多领域有着广泛的应用前景。

随着无线网络的逐步普及，基于无线网络的行为感知技术得到应用，给人们的生活和工作带来了很大的改善。如果一个环境中的无线网络基础设施具有足够的密度和感知能力，则可以通过获取无线网络的数据传输特征，使无线基础设施不但可以满足通信的需求，而且还可以在其基础上进行其它应用研究，这样可以更加有效的利用现有网络基础设施和无线资源。无线网络因其自身的优点，已成为国内外学者研究的热点，例如利用无线网络信号进行定位、追踪和信号检测等研究。近年来，以802.11标准协议为基础的无线局域网发展最为普遍，wifi在办公场所、家庭等室内环境中得到越来越多的应用，通常只需在这些环境中布置一定数量的接入点，再将这些接入点与个人电脑、手持设备等终端相连，使其构成无线局域网，就可以满足室内的通信需求。wifi具有其独有的特点：设备简单、节约成本、范围覆盖广泛、传输速度快、稳定性好。

基于接收信号强度（received signal strength indicator，简称 rssi）的信号检测和行为识别技术，通过获取现有wifi基础设施的rssi来实现信号检测，由于其重新使用环境中的无线信号数据，且不需要安装专业信号检测设备，同时无需检测目标携带任何的无线收发装置，而使这项研究非常具有价值。

2. 研究内容和预期目标

基于wifi的行为检测技术是利用室内环境中wifi无线基础设施,在通信过程中由于接收信号强度受目标的干扰而实现检测的。根据接收信号强度的不同变化,通过提取各个行为下的样本特征,可将行为检测看成模式识别中的分类问题,然后利用机器学习的分类方法建立检测模型,用于目标行为的检测识别，从而识别出不同的人体行为。

课题主要分为三个部分：无线信号强度信息获取、抽取信号的特征参数，对特征参数进行分类和识别。本题目主要研究如何对提取出的信号特征进行分类并利用分类识别算法训练和识别出简单的人体行为。利用wifi信号检测人体行为时，可通过获取无线信

号的强度信息、信道状态信息等参数，并从这些参数中提取相应的信号特征来进行行为检测和识别。本次研究我们获取的是强度信息，因为对接收信号强度（rssi）的信息提取非常方便，普通的无线网卡中即含有此信息。

本次题目的研究是通过对k均值分类算法和支持向量机（svm）进行研究，对提取的无线信号特征参数进行训练和分类识别，实现并验证识别算法的有效性。

3. 研究的方法与步骤

具体步骤就是先采集数据，再对数据进行分类。

对于特征参数的分类和识别，有很多方法，如：支持向量机（svm）、k均值、主成分分析（pca）等，本次研究主要采用的方法是支持向量机和k均值。

支持向量机(supportvectormachine,简称svm)

4. 参考文献

[1] 戴明威, 刘文鸿, 黄晓霞. 基于无线信号的人类行为检测和识别[j]. 集成技术,2015(6):53-64.

[2] 李文洋. 基于智能手机传感器的行为识别算法研究[d]. 吉林大学, 2014.

[3] 徐经纬. 基于无线传感器的人体行为识别研究[d]. 南京大学, 2012.

5. 计划与进度安排

1) 2022.2.10-2022.3.4：参加毕业实习，并完成实习日志和总结，以及完成对应的外文翻译；

2) 2022.3.5-2022.4.5：充分查阅相关资料，撰写并修改完成开题报告；

3) 2022.4.6-2022.4.25：对k均值聚类算法和支持向量机算法进行深入研究，提出用于本课题的行为识别具体方案，利用实验数据进行调试；