导读:本文包含了人体信道论文开题报告文献综述及选题提纲参考文献，主要关键词:无线感知,动作识别,WiFi信道状态信息,线性判别分析
人体信道论文文献综述
郭阿英,许志猛,陈良琴[1]（2019）在《一种基于WiFi信道状态信息的人体动作识别方法》一文中研究指出人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis,LDA)分类器实现人体日常生活中"蹲下"、"站起"、"坐下"、"捡起"和"走"5种动作的识别,实验结果表明平均识别率可达到96%。(本文来源于《传感技术学报》期刊2019年11期）
刘蕾[2]（2019）在《建筑物穿透和室内人体运动的信道测量和特性研究》一文中研究指出近年来,移动通信系统的发展速度越来越快。无线移动通信业务以其低成本又高速的特点得到了更为广泛的发展并继续呈指数式增长。第五代通信系统(5G)的出现,采用了高速大容量的移动通信网络以满足更快和更大数据通信的需求。未来5G技术的应用场景也将越来越广泛,超高清视频直播,远程医疗救助,智能家居等场景将是未来5G重点发展的场景。而在5G未来使用场景的通信网络规划与研究中,更高质量高效率的无线通信系统的建立,重点依赖于电磁波传播过程中准确的信道模型。精确的信道模型有助于估算信号传播过程中的损耗,并由此确定信号的传输特性以及计算基站有效的覆盖范围从而进行小区设计。而精确的信道模型的建立离不开在实际电磁波传播环境中对信道特性的测量与数据分析。信号传播的无线信道可分为叁类:室外穿透室内的信道,室内传播信道以及室外传播信道。本文的研究内容为室外覆盖室内的信道与室内信号传播信道的特性探究,并且本文的研究全部基于实际环境中的信道测量结果。在无线信号的传播模型探究中,室外覆盖室内(Gutdoor-to-Indoor,021)的信号传播损耗模型是5CG无线接入网中最重要的传播模型之一。由于在021传播场景中信号穿过建筑的时候有较大的穿透损耗,会显着影响移动通信的数据传输速率和质量。因此,深入探索和了解空间021传播特性是非常必要的。由于实际传播环境具有各建筑物的建筑材料和结构复杂性、接收终端相对于基站的位置多变性、运营商使用的频点各异性的特点。所以为了进一步研究021穿透损耗受到建筑物材料,信号频率和穿透建筑物的入射角变化的影响,本文首先在两种不同测量场景下使用带宽为100 MHz的罗德与施瓦茨信道探测仪进行了一系列021测量。此外,在测量中考虑了入射角和从低频(2.55GHz)到高频(28GHz)的载波频率的影响。然后分析从测量活动中得到的信道数据,在数据分析处理中考虑到建筑材料,频率和入射角对穿透损耗的影响,提出了最终的021建筑物穿透损耗模型。最后,通过与从测量数据中提取的穿透损耗数值进行比较来验证所提出的模型的性能,证明本文提出的模型与3GPP的穿透损耗模型相比,可以更好的拟合测量结果。本文提出的穿透损耗模型可以很好的刻画不同建筑特征,不同垂直入射角度和不同中心频率的建筑物021穿透损耗的特点与区别。对室内信号传播的信道特征研究有助于未来将5G技术应用于家庭监护与医疗养老领域。由于目前世界各国的人口老龄化程度越来越高,独居老人也越来越多,这为家庭老年人护理提出很高的要求。老年人护理的主要挑战之一就是及时发现老人摔倒。受到上述需求的推动,目前新的趋势是设计一套室内非可穿戴设备,利用身体反射无线信号的信道特性来监视家庭用户的活动状态。为了区分不同的室内人体活动状态,我们在模仿家庭住宅环境的室内使用伊莱比特公司的信道探测器与多输入多输出天线在3.5GHz和6GHz频点下进行了测量活动。测试者在室内分别模仿了无人、慢走、摔倒和坐下四种典型的活动状态来探究不同人体活动对固定发端到固定收端(fixed-to-fixed,F2F)的非平稳信道特性的影响。然后对接收到的信号进行数据处理,并根据得到的信道复增益,瞬时多普勒频率谱以及平均多普勒频移叁个典型的信道特征参数来判断人体运动状态。最后通过对信道参数的分析,可以成功通过叁个典型的信道参数的特征区分出四种人体的运动状态。(本文来源于《北京邮电大学》期刊2019-05-23）
许杨[3]（2019）在《基于信道状态信息的人体行走感知技术研究》一文中研究指出嵌入式技术、无线通信技术和互联网技术的不断革新与发展,促进了计算机、互联网、移动通信以及数字多媒体等应用的相互融合,越来越多的智能设备逐渐出现在人们的日常生活当中,并不断为人们提供各类定制化的信息与服务。然而在传统桌面计算或移动计算模式下,用户必须通过键盘、鼠标、触摸屏等方式与计算设备进行交互。为了简化交互过程,普适计算的概念被提出,其旨在把计算融入至人们生活的物理空间中,让硬件设备从人们的视线中消失,从而让人们更多地关注所需完成的任务本身。从人机交互的角度来看,这就意味着需要把人机接口从传统输入设备扩展到整个叁维物理空间,即从传统桌面计算或移动计算模式下的“显式交互”转变为“隐式交互”。情境感知是实现隐式交互的重要基础,感知的方式主要包括接触式和非接触式。接触式感知主要通过嵌入式传感器或可穿戴设备识别并感知用户位置、行为动作、生理指标等信息。然而,由于接触式感知需要用户主动佩戴特定设备或与设备相接触,故在一定程度仍无法做到真正的隐式交互。非接触式感知则无需用户与硬件设备进行直接接触,且目前主要的非接触感知方式包括基于视觉的感知和基于语音的感知。近年来,Wi-Fi信号也逐渐被用于实现非接触式情境感知。Wi-Fi信号在传播过程中受不同障碍物的影响会以直射、反射、绕射或散射等传播方式到达接收机,而人体运动通常会改变Wi-Fi信号的传播路径,进而使得接收端多径迭加信号的接收信号强度(RSS)或信道状态信息(CSI)产生不同程度的变化。基于Wi-Fi信号的情境感知技术正是通过分析接收信号内在参数的变化模式以实现人体运动感知。相比于基于视觉或语音的感知方法,基于Wi-Fi信号的感知方法不受光照条件的约束,同时比语音系统的功耗更低、感知范围更广。而且更重要的是其不会造成视频或音频等隐私数据泄露问题。此外,由于Wi-Fi设备在日常生活中的广泛部署,也使得其成为了构建普适化情境感知应用的理想载体。本论文重点围绕人体行走运动感知这一主题,对基于Wi-Fi信号信道状态信息的人体行走感知技术进行了系统研究。主要研究工作与贡献如下:1.提出了基于频谱能量的行走运动检测方法。通过理论分析与实验研究发现,在室内人体日常活动中,行走运动具有相对较大的运动幅度(与挥手、睡觉等活动相比)以及相对较长的运动时间(与坐下、摔倒等活动相比)等特点。人体在行走过程中腿部或脚部运动会引起CSI幅值产生频率在30～60 Hz左右的波动,通过将该频段的加权频谱能量作为行走运动检测指标,同时结合运动时长参数,该方法可实现的平均检测真阳率(TPR)及假阳率(FPR)分别为96.41%和1.38%。由于无需像现有运动识别方法那样提取复杂的运动特征及训练运动分类器,因此该方法的处理流程更加简洁且计算复杂度更低,可实现对行走运动高效、快速的检测,在实际应用中具有较高的实用性。2.提出了基于离散小波变换与短时能量的计步方法。针对已识别得到的行走运动CSI数据片段,动态地从各CSI流中挑选出CSI幅值方差较大的多个子载波。通过离散小波变换(DWT)将选定的子载波数据分解成多个具有不同频率及时间尺度的小波系数,并计算与腿部或脚部运动速度相对应的细节系数的短时能量。为了消除信号传播距离变化所导致的短时能量偏差,提出利用滑动标准化技术来平衡短时能量以获得更平稳的有效波峰(波峰数即粗略记为步数)统计结果,并综合多个子载波及多个CSI流的统计步数输出得到最终的计步结果。通过在两种不同的室内场景下搭建实验平台对该方法的性能进行了验证,实验结果表明,该方法在两种不同室内场景下针对15名受试者的行走数据分别实现了 90.2%和87.59%的平均计步准确率,且能较好地适应环境变化。相比于现有直接利用CSI幅值低频分量或基于躯体运动速度的计步方法,该方法可针对包括原地踏步在内的行走运动实现准确且稳定的计步功能,同时感知范围也更大。3.提出了基于注意力机制的步态识别与行走方向估计方法。由于不同个体通常具有不同的身体形态及独特的行走步态,因此每个人在行走时身体各部位独特的运动模式会引发Wi-Fi信号的CSI幅值产生特定的变化模式。此外,人体行走时相对于收发设备距离及方向的改变会使得CSI幅值随时间产生不同的变化趋势。通过利用基于注意力机制的循环神经网络(RNN)编码器-解码器来挖掘CSI幅值中所蕴含着的与行走步态和方向相关的变化模式及变化趋势,可实现对人体步态及行走方向的联合识别与估计。通过在叁种不同室内场景下开展行走实验对该方法的有效性进行了验证,最终结果表明,该方法在步态识别任务中针对4-10名受试者可实现的平均F1分数为97.32%～89.777%,而在行走方向估计任务中针对8个行走方向可实现的平均F1分数为97.41%;并且该方法在这两个任务中所能实现的平均识别准确率均达到或超过了98%。与现有方法相比,该方法可在注意力机制的引导下自适应地聚焦至CSI数据中有意义的数据片段,从而在进行步态识别时免除了步态周期检测及分割等处理步骤;同时,针对不同识别任务,该方法可动态地选择特定的数据片段并自主生成深层次、高质量的步态特征或方向特征,无需进行人工特征提取。(本文来源于《中国科学技术大学》期刊2019-05-01）
张逸凡[4]（2019）在《基于信道状态信息的无源人体行为识别相关技术研究》一文中研究指出随着计算机科学技术和无线通信技术的发展和普及,为了更好地实现人机互动,人体行为识别成为了众多研究者关注的热点问题。传统的人体行为识别技术有覆盖范围小、要求光照条件、价格昂贵和侵犯隐私的固有缺陷。人的运动会因为多径效应在无线网络的信道状态信息留下痕迹,以信道状态信息作为数据源进行无源人体行为识别成为了新的研究方向。该方法基于已经普及的家用无线网络设施,具有覆盖范围全、环境要求低、经济廉价以及不侵犯人体和隐私等优势。本文就该研究方向的两个热点问题提供了解决方案,即用于跌倒检测场景的FallSense和用于睡眠监测场景的Sleepy。其中FallSense利用动态模板匹配算法达到了97.43%的准确率和2.44%的误报率,另外对五种动作的识别准确率达到了94.58%。Sleepy在模拟睡眠实验中平均达到了96.65%的准确率和2.16%的误报率,在真实睡眠实验中表现出强稳定性,达到了98.22%的准确率和0%的误报率。系统都已基于商用Wi-Fi基础设施构建完成,并设计了不同实验条件的验证实验。其实验结果证明了系统作为真实世界解决方案的有效性和鲁棒性。(本文来源于《合肥工业大学》期刊2019-04-01）
李嘉南[5]（2018）在《基于信道状态信息的人体感知技术研究》一文中研究指出随着科技的日益发展,无线局域网已被广泛部署于各种室内场景中,除了用于数据通信外,目前国内外研究者们更进一步探索它的新兴应用,如利用无线信号实现人体感知。传统基于无线的方法主要使用的是接收信号强度RSSI,但是其精度低、不稳定,无法用于高精度的人体感知。无线局域网物理层的信道状态信息CSI,其比RSSI具有更高的细粒度和更好的稳定性,受到广泛关注。本文着重研究了室内无线信道状态信息和其实现人体感知的原理,设计了基于信道状态信息的人体朝向检测和动作识别方法,本文的主要工作包括以下几个方面:1.介绍了目前基于无线信号实现人体感知技术的研究进展,指出了RSSI的不足之处,引入CSI并对其形成的原理进行了分析,研究如何利用其实现人体感知;2.搭建了基于CSI的人体感知平台,采集CSI数据,并提取幅度和相位信息;3.研究基于信道状态信息的数据预处理方法,尽可能降低其它因素的影响;4.提出了一个针对CSI数据的动作时间端点检测方法,提取动作数据;5.研究机器学习方法并将信道状态信息与机器学习算法相结合,对子载波进行K-means聚类进行朝向检测的特征选择,针对动作识别选取了具有代表性的统计特征;6.实验并讨论了不同因素对检测结果的影响,验证了利用信道状态信息实现人体感知的可行性。(本文来源于《浙江工业大学》期刊2018-06-01）
蒋思琪,王向勇[6]（2018）在《基于信道状态信息的人体行为识别方法》一文中研究指出人体行为识别技术在智能家居、体感游戏、人体姿态监护等领域发挥着越来越重要的作用。论文研究了一种WLAN环境下基于信道状态信息(Channel State Information,CSI)的人体行为识别方法。该方法首先对人体行为的CSI信号进行分析,然后利用滑窗提取CSI信号特征,利用核密度估计方法求出检测门限,最后利用动态时间规整(Dynamic Time Warping,DTW)算法进行人体行为识别。根据真实环境数据验证表明,所提出的基于CSI的人体行为识别方法识别率高,具有很强的算法鲁棒性。(本文来源于《通信电源技术》期刊2018年01期）
周浩[7]（2018）在《基于信道状态信息的速度自适应室内人体检测方法研究》一文中研究指出移动人体检测在楼宇监控、文物保护、边界检测以及火灾或地震中存活人员的检测等领域有着重要的作用。传统的移动人体检测基于特殊的物理硬件,在部署以及应用范围内具有很大的限制。在当今时代,随着WLAN技术的迅速发展,室内环境下的设备无关被动移动人体检测有了新的研究方向。基于无线信号强度的检测方式,由于无线信号强度的粗粒度性,在遭受室内多径效应的影响下,会对收集到的信息造成影响,导致无法准确的检测人体的存在,使得室内设备无关的被动人体检测的准确度无法达到令人满意的程度。本文以提高室内移动人体检测准确性为目的,提出使用细粒度的信道状态信息作为检测信息,从信道状态信息的去噪处理方式和速度自适应人体检测两个方面进行深入研究。噪声以不可避免的原因对收集到的信道状态信息造成影响。通常对于信道状态信息的噪声处理使用基于傅里叶变换的滤波器进行去噪,但是由于傅里叶变换本身的时频变换特性的缺陷并不适合非平稳信号,而对于人体检测的信道状态信息来说必然是由非平稳信号构成,这就使得在人体检测方面基于傅里叶变换的去噪的效果并不理想。少数研究中使用小波去噪的方式对信道状态信息的噪声进行处理,但是小波去噪的去噪效果还可以继续提高。为了提高小波去噪的效果,本文针对现有的小波阈值处理方法进行优化,将小波去噪的默认处理方法,硬阈值处理方法和软阈值处理方法各自特点相结合,提出了一种渐变阈值处理方法(Gradual Threshold)。并将其与默认的软阈值处理方法和硬阈值处理方法相对比,证明了渐变阈值处理方法对人体检测的信道状态信息有着更好的去噪效果,非常适用于基于信道状态信息的移动人体检测。传统的信道状态信息研究方法中,通常采用某一子载波或所有子载波的平均值作为检测数据。在速度自适应人体检测方面,如果在检测环境中人体慢速移动,那么对于信道状态信息的影响可能较小,致使检测率较低。本文针对上述问题进行了深入研究,提出了基于子载波动态选择的速度自适应室内人体检测方法(SAHD)。其中,该方法利用子载波敏感性差异的特点,通过判断同一时刻子载波的波动情况动态选取子载波作为检测数据,以及在信道状态信息的特征值选择方案上进行分析,选取合适的判断标准用于移动人体检测。通过对比实验,验证了SAHD在不同移动速度的人体检测方面比传统的检测方法准确性更高。(本文来源于《哈尔滨工程大学》期刊2018-01-01）
余晓杰[8]（2017）在《人体通信信道特性研究》一文中研究指出近年来,人体通信逐渐成为医疗领域的一项更加新颖的技术,这项新的技术包含了无线通信与生物电磁方面的诸多领域。人体通信以人体作为主要的传输信道,相比传统的无线信道以空气等作为媒质,具有更加复杂的研究方向和内容。人体信道是人体通信研究的重中之重,希望通过本文的研究能对人体通信的发展起到一定的促进作用,进而提高人类的健康水平。本篇文章的主要工作如下:首先,详细分析了时域有限差分方法的使用步骤与原理,从稳定性条件、单元格大小的确定、吸收边界条件等方面展开分析。接着,分不同的频率段提出了不同路径损耗模型,在频率较高的UWB、MICS、ISM等频段提出了对数型路径损耗模型和指数型路径损耗模型。在HBC频段提出了分段的路径损耗模型。然后,基于XFDTD软件和时域有限差分算法对人体信道进行叁维建模,不同于以往研究所使用的简单几何形状组成的人体模型,本文采用了更加接近人体组织参数和形状的人体模型,在人体模型表面上放置发射点和186个接收点仿真人体体表信道,对所提出的信道模型进行验证。最后,在已验证的信道模型基础上分析人体信道的特性,主要分析了不同频率、不同传播距离以及改变收发点到人体表面间距、不同人体组织下人体信道的特性改变。并采用简单圆柱体建立人体的手臂模型对体表信道的传播特性进行分析。仿真结果表明:人体信道在高频段通常符合对数路径损耗模型,而在HBC频段则为分段直线的路径损耗模型。证明了,人体躯干部位频率越大路径损耗越小,传播距离增大路径损耗变大,收发点到人体表面距离越大路径损耗越小,由此验证了人体组织对信道特性的重要影响,通过对人体不同部位的仿真证明了不同人体组织对路径损耗的影响不同,以及通过手臂模型的仿真表明了人体体表信道的表面波特性。(本文来源于《南京邮电大学》期刊2017-10-26）
杨雪[9]（2017）在《基于无线信道状态信息的非绑定式人体活动识别与预警算法研究》一文中研究指出假设一个人每天平均会进入厕所六到八次,则每个人一生可能有两到叁年在厕所中度过,而因为厕所本身的通风状况不好或者是地面湿滑,会导致危险发生。在厕所中常常发生如摔倒、昏厥甚至于猝死等状况,厕所已经成为意外事件的高发地。由于厕所本身的私密性,很多厕所中发生的意外得不到及时治疗而导致了严重的后果。因此,及时发现厕所中的发生的意外情况非常重要,能够适应厕所私密性的要求,在不打扰用户的情况下实现对厕所中目标的监控很有现实意义。本文提出一种基于无线信道状态信息(Channel State Information,CSI)的非绑定式厕所活动识别与预警方法,利用商业无线设备对厕所环境中没有携带设备的目标进行监控并识别其活动,根据识别出的关键活动对可能发生的意外情况进行预警。本研究可以自动截取活动并且识别出活动,根据得到的活动进行活动分析,对可能发生或者已经发生的危险进行预警,帮助医护工作者进行及时的救助。本文主要完成了以下几个方面的研究。本文首先分析了厕所中容易发生的意外情况,并对如厕活动进行建模。本文将如厕活动分解为几个关键动作,通过识别出的这样几个关键动作来判断是否有意外发生。提出了一种基于信道状态信息的非绑定式的活动监测模型和预处理方法。基于人体活动对CSI信号的影响,设计了CSI数据采集方案,构建了一种能够适应实际环境的目标探测算法,当探测到目标后,开始进行数据处理。研究了针对环境噪音和内部噪音的CSI数据预处理方法,能够结合多个子载波的联系,利用主成分分析的方法进行降噪。构建了一种基于异常点检测的活动截取算法,采用基于距离的异常点检测算法,从而实现自动截取活动,满足实时性的要求。针对传统活动识别算法需要复杂的特征提取方法,对于不同的活动识别目标有不同的提取方案,传统特征提取方法需要经验和实验相结合,本文提出了基于卷积神经网络的活动识别方案。利用卷积神经网络能够增强特征和降噪的特点,直接将处理过的信道状态信息的频谱图作为输入,避免了繁复的特征提取过程,并且能适应不同的活动识别目标。频谱图的获得主要采用离散小波变换和短时傅里叶变换这两种方法。考虑本文分类活动的类别较少,不需要过于复杂的网络结构,本文采用LeNet-5的网络架构模型。将利用两种方法获得的频谱图和原始振幅矩阵作为特征图输入和训练。采取数据增量和Dropout的方法来避免过拟合现象。最后与传统的利用统计特征作为输入的支持向量机分类器进行了对比。发现卷积神经网络可以达到更高的精度,并且避免了复杂的特征提取。本文进行了大量的实验与评估,采集了大量真实可靠的数据,实验结果表明本文提出的基于卷积神经网络的活动识别方案精度可以达到约93%,相较于传统方法有很大地提高。实验结果验证了本文提出方法的有效性和可靠性,可以适应不同复杂的环境,并能够在可以容忍的时延下计算,实现实时性要求,最终达到令人满意的准确率。(本文来源于《西安电子科技大学》期刊2017-06-01）
郑宏昌[10]（2017）在《基于信道反馈人体植入设备无线供电系统研究》一文中研究指出随着医疗技术的发展,人体植入医疗设备可以代替人体器官工作,这已经逐渐成为一种重要的医疗手段,有极大的临床需求。但是人体植入设备的电能供输方式一直是亟需克服的临床难关,特别像人工心脏这一类功耗需求较大的设备,植入电池往往只能提供短短一段时间的电能,通过电线将体外电能输送进体内的方式又偏偏会引起感染,带来二次病害。而无线电能传输技术可以摆脱电线,以非接触的方式为用电设备供电,正好可以解决人体植入设备的供电难题。然而,有研究表明无线电能传输系统对系统参数变动敏感,系统的传输距离、输出负载或系统输入变化都会影响系统传输特性,导致系统输出电压波动,或者导致系统运行不稳定,甚至导致系统无法正常工作。此外,不同的用电设备对电能品质会有不同的需求。比如对于人工心脏设备的无线供电,需要在系统运行过程中,传输距离或者负载发生变化时始终保持稳定输出,又需要实现系统的体内外信息交流,同时又期望系统植入体内部分体积重量小、损耗少且需要温升控制在人体温度以下,不影响人身体健康。所以为了满足人体植入设备系统需求,保证系统运行的稳定和可靠,设计一套适用的无线供电系统控制方案十分必要。本文首先学习并研究目前国内外在人体植入设备无线供电应用方面的研究现状,然后参考以往的系统稳压输出和数据通信这两项关键技术的实现方案,最后通过整理和分析以往各种方案的优势与局限,提出一种满足人体植入设备无线供电系统需求的控制方案。首先为了满足系统植入部分体积小和损耗少的需求,同时也避免直流功率变换电路易发热、易损坏及高频开关噪声对人体危害的缺点,本文设计的植入部分传能电路只由谐振网络和不可控整流滤波构成,然后采用通讯方式将系统输出状况发送到原边控制环节,最后结合能量注入控制方法在控制环节中设计控制策略以实现系统的稳压输出。而因为植入设备对通信速率要求不高,也由于电磁波频率越高,对人体辐射危害越大,所以为了减少采用高频通信方式对人体辐射危害,本文选择搭建低频定向信号通道完成数据传输。本文首先分析系统模型,提出匹配能量注入控制的系统参数设计方法,然后提出系统稳压输出控制策略,接着通过仿真对所提的控制策略进行验证分析,最后搭建硬件测试平台进行实验验证。测试结果说明了设计方案的可行性,当系统负载或者互感在需求范围内变化时,系统都能实现输出电压稳定和数据通信。(本文来源于《重庆大学》期刊2017-04-01）
人体信道论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,移动通信系统的发展速度越来越快。无线移动通信业务以其低成本又高速的特点得到了更为广泛的发展并继续呈指数式增长。第五代通信系统(5G)的出现,采用了高速大容量的移动通信网络以满足更快和更大数据通信的需求。未来5G技术的应用场景也将越来越广泛,超高清视频直播,远程医疗救助,智能家居等场景将是未来5G重点发展的场景。而在5G未来使用场景的通信网络规划与研究中,更高质量高效率的无线通信系统的建立,重点依赖于电磁波传播过程中准确的信道模型。精确的信道模型有助于估算信号传播过程中的损耗,并由此确定信号的传输特性以及计算基站有效的覆盖范围从而进行小区设计。而精确的信道模型的建立离不开在实际电磁波传播环境中对信道特性的测量与数据分析。信号传播的无线信道可分为叁类:室外穿透室内的信道,室内传播信道以及室外传播信道。本文的研究内容为室外覆盖室内的信道与室内信号传播信道的特性探究,并且本文的研究全部基于实际环境中的信道测量结果。在无线信号的传播模型探究中,室外覆盖室内(Gutdoor-to-Indoor,021)的信号传播损耗模型是5CG无线接入网中最重要的传播模型之一。由于在021传播场景中信号穿过建筑的时候有较大的穿透损耗,会显着影响移动通信的数据传输速率和质量。因此,深入探索和了解空间021传播特性是非常必要的。由于实际传播环境具有各建筑物的建筑材料和结构复杂性、接收终端相对于基站的位置多变性、运营商使用的频点各异性的特点。所以为了进一步研究021穿透损耗受到建筑物材料,信号频率和穿透建筑物的入射角变化的影响,本文首先在两种不同测量场景下使用带宽为100 MHz的罗德与施瓦茨信道探测仪进行了一系列021测量。此外,在测量中考虑了入射角和从低频(2.55GHz)到高频(28GHz)的载波频率的影响。然后分析从测量活动中得到的信道数据,在数据分析处理中考虑到建筑材料,频率和入射角对穿透损耗的影响,提出了最终的021建筑物穿透损耗模型。最后,通过与从测量数据中提取的穿透损耗数值进行比较来验证所提出的模型的性能,证明本文提出的模型与3GPP的穿透损耗模型相比,可以更好的拟合测量结果。本文提出的穿透损耗模型可以很好的刻画不同建筑特征,不同垂直入射角度和不同中心频率的建筑物021穿透损耗的特点与区别。对室内信号传播的信道特征研究有助于未来将5G技术应用于家庭监护与医疗养老领域。由于目前世界各国的人口老龄化程度越来越高,独居老人也越来越多,这为家庭老年人护理提出很高的要求。老年人护理的主要挑战之一就是及时发现老人摔倒。受到上述需求的推动,目前新的趋势是设计一套室内非可穿戴设备,利用身体反射无线信号的信道特性来监视家庭用户的活动状态。为了区分不同的室内人体活动状态,我们在模仿家庭住宅环境的室内使用伊莱比特公司的信道探测器与多输入多输出天线在3.5GHz和6GHz频点下进行了测量活动。测试者在室内分别模仿了无人、慢走、摔倒和坐下四种典型的活动状态来探究不同人体活动对固定发端到固定收端(fixed-to-fixed,F2F)的非平稳信道特性的影响。然后对接收到的信号进行数据处理,并根据得到的信道复增益,瞬时多普勒频率谱以及平均多普勒频移叁个典型的信道特征参数来判断人体运动状态。最后通过对信道参数的分析,可以成功通过叁个典型的信道参数的特征区分出四种人体的运动状态。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人体信道论文参考文献
[1].郭阿英,许志猛,陈良琴.一种基于WiFi信道状态信息的人体动作识别方法[J].传感技术学报.2019
[2].刘蕾.建筑物穿透和室内人体运动的信道测量和特性研究[D].北京邮电大学.2019
[3].许杨.基于信道状态信息的人体行走感知技术研究[D].中国科学技术大学.2019
[4].张逸凡.基于信道状态信息的无源人体行为识别相关技术研究[D].合肥工业大学.2019
[5].李嘉南.基于信道状态信息的人体感知技术研究[D].浙江工业大学.2018
[6].蒋思琪,王向勇.基于信道状态信息的人体行为识别方法[J].通信电源技术.2018
[7].周浩.基于信道状态信息的速度自适应室内人体检测方法研究[D].哈尔滨工程大学.2018
[8].余晓杰.人体通信信道特性研究[D].南京邮电大学.2017
[9].杨雪.基于无线信道状态信息的非绑定式人体活动识别与预警算法研究[D].西安电子科技大学.2017
[10].郑宏昌.基于信道反馈人体植入设备无线供电系统研究[D].重庆大学.2017
标签：无线感知; 动作识别; WiFi信道状态信息; 线性判别分析;