Оценка скорости в помещении с помощью радиосигналов

«Оценка скорости в помещении с помощью радиосигналов»

Введение:

Возрастающее старение населения требует улучшения условий жизни, поскольку скорость движения является важной характеристикой состояния человека, оценка скорости имеет решающее значение для мониторинга состояния здоровья. Для оценки этого параметра существует несколько способов, например использование носимых устройств с акселерометром или оптической камеры с компьютерным зрением (LOS), но есть неудобства для обоих случаев. Для первого варианта – необходимость постоянно носить устройство с собой, для второго – необходимость хорошего освещения, требование прямой видимости (LOS) также это является вторжением в частную личную жизнь.

Есть способ оценки с помощью радиосигналов, но он имеет несколько недостатков:

1. сложность извлечения доминирующего сигнала пути, отраженного от двигающегося человека
2. оценка изменяющейся во времени скорости перемещения человека на основе извлеченного сигнала доминирующего пути.

Решение:

Предлагается оценивать скорость с помощью радиосигналов системой SpeedNet. Она использует:

1. угол прибытия (AOA)
2. время полета (TOF) движущегося человека
3. извлекает доминирующий сигнал пути из радиосигналов с помощью технологии формирования луча.
4. затем сигнал доминирующего тракта обрабатывается коротким временным преобразованием Фурье (STFT) и доплеровским сдвигом частоты (DFS), соответствующим движущемуся человеку.
5. В конце, глубокая нейронная сеть, состоящая из сверточных нейронных сетей (CNN) и сетей долговременной кратковременной памяти (LSTM), используется для извлечения пространственных и временных характеристик DFS для оценки скорости движущегося человека.

Метод действия:

Современный бесконтактный мониторинг здоровья делится на 2 метода:

1. Метод, основанный на моделях.(WiRun,WiDir)
2. Метод, основанный на обучении.(WiWho,BiLoc)

Система фокусируется на оценке скорости, и наиболее подходящей работой является Wispeed. Она сочетает в себе как преимущества методов, основанных на моделях, так и методов, основанных на обучении.

Методы, основанные на моделях, могут хорошо работать в различных средах без обучающих данных, но производительность может ухудшиться, когда происходит несоответствие модели.

Методы, основанные на обучении, позволяют использовать извлечение сложной взаимосвязи между деятельностью человека и беспроводным сигналом. Однако производительность может сильно снизиться при изменении среды.

Чтобы решить эти проблемы, система, предложенная в статье, сначала извлекает интересующий сигнал с помощью методов, основанных на модели. Затем авторы адаптируют глубокую нейронную сеть для подавления помех и повышения точности оценки. Сочетая в себе преимущества методов, основанных на моделях, и методов, основанных на обучении, система обеспечивает самую современную производительность для оценки скорости.