基于CSI的井下人员行为识别方法

doi:10.11959/j.issn.2096-3750.2020.00202

物联网学报 ›› 2020, Vol. 4 ›› Issue (4): 26-31.doi: 10.11959/j.issn.2096-3750.2020.00202

基于CSI的井下人员行为识别方法

张雷¹,张跃²(),李明雪³,史新国⁴,翟勃⁴,王卫龙⁴

¹ 徐州工程学院信息工程学院（大数据学院），江苏徐州 221000
² 中国矿业大学物联网（感知矿山）研究中心，江苏徐州 221000
³ 中国矿业大学电气与动力工程学院，江苏徐州 221000
⁴ 山东能源淄博矿业集团有限公司信息中心，山东淄博 225100

修回日期:2020-10-08 出版日期:2020-12-30 发布日期:2020-12-14
作者简介:张雷（1987- ），男，江苏徐州人，博士，徐州工程学院讲师，主要研究方向为井下人员定位和行为识别|张跃（1996- ），男，江苏徐州人，中国矿业大学物联网（感知矿山）研究中心工程师，主要研究方向为无线网络感知和机器学习等|李明雪（1996- ），女，江苏徐州人，中国矿业大学电气与动力工程学院硕士生，主要研究方向为电力电子变换器及其控制系统等|史新国（1972- ），男，山东泰安人，山东能源淄博矿业集团有限公司信息中心高级工程师，主要研究方向为煤矿信息化|翟勃（1970- ），男，山东淄博人，山东能源淄博矿业集团有限公司信息中心高级工程师，主要研究方向为煤矿信息化|王卫龙（1988- ），男，陕西商洛人，山东能源淄博矿业集团有限公司信息中心工程师，主要研究方向为煤矿信息化
基金资助:
国家重点研发计划(2017YFC0804400)

CSI-based underground personnel behavior identification method

Lei ZHANG¹,Yue ZHANG²(),Mingxue LI³,Xinguo SHI⁴,Bo ZHAI⁴,Weilong WANG⁴

¹ School of Information Engineering (School of Big Data),Xuzhou University of Technology,Xuzhou 221000,China
² IoT (Perception Mine) Research Center,China University of Mining and Technology,Xuzhou 221000,China
³ School of Electrical and Power Engineering,China University of Mining and Technology,Xuzhou 221000,China
⁴ Information Center,Shandong Energy Zibo Mining Group Co.,Ltd.,Zibo 225100,China

Revised:2020-10-08 Online:2020-12-30 Published:2020-12-14
Supported by:
The National Key R＆D Program of China(2017YFC0804400)

摘要/Abstract

摘要：

为了解决井下粉尘环境和遮挡条件下的人员行为识别问题，促进煤矿安全生产，提出了一种基于 Wi-Fi信道状态信息（CSI,channel state information）的井下人员行为识别方法。该方法采用Hampel滤波结合中位数滤波处理CSI原始数据，并通过线性校正方法利用相位信息。行为识别过程分为离线和在线两个阶段，离线阶段通过采集人员的不同活动信息来建立判识模型，在线阶段根据判识模型识别当前动作。在实验中设置了8个不同的人员活动，实验结果表明，该系统的识别准确率可达95%。

关键词: 煤矿安全, 信道状态信息, 井下人员行为识别, Wi-Fi, 主成分分析

Abstract:

To solve the problem of personnel behavior identification under the condition of dust environment and shielding and to promote the coal mine safety production,a personnel identification method based on the Wi-Fi channel state information (CSI) was proposed.The system used Hampel filter and median filter to process the raw CSI data,and utilized the phase information through a linear correction method.The recognition process was divided into the offline stage and online stage.In the offline stage,different activities data was collected to establish the recognition model.While in the online stage,current actions were recognized according to the recognition model.8 different human activities were set in the experiments and the result indicated that the recognition accuracy of this system could reach 95%.

Key words: coal mine safety, channel state information, underground personnel behavior identification, Wi-Fi, principal component analysis

中图分类号:

TD76

张雷,张跃,李明雪,史新国,翟勃,王卫龙. 基于CSI的井下人员行为识别方法[J]. 物联网学报, 2020, 4(4): 26-31.

Lei ZHANG,Yue ZHANG,Mingxue LI,Xinguo SHI,Bo ZHAI,Weilong WANG. CSI-based underground personnel behavior identification method[J]. Chinese Journal on Internet of Things, 2020, 4(4): 26-31.

图/表 12

图1

图2

图3

表1

图4

图5

图6

图7

表2

图8

图9

图10

参考文献 9

[1]	GU Y , QUAN L H , REN F J . WiFi-assisted human activity recognition[C]// 2014 IEEE Asia Pacific Conference on Wireless and Mobile. IEEE, 2014: 60-65.
[2]	ABDELNASSER H , HARRAS K A , YOUSSEF M . WiGest demo:a ubiquitous WiFi-based gesture recognition system[C]// 2015 IEEE Conference on Computer Communications Workshops (INFOCOMWKSHPS). IEEE, 2015: 17-18.
[3]	YANG Z , ZHOU Z M , LIU Y H . From RSSI to CSI:indoor localization via channel response[J]. ACM Computing Surveys, 2013,46(2): 1-32.
[4]	WANG Y X , WU K S , NI L M . WiFall:device-free fall detection by wireless networks[J]. IEEE Transactions on Mobile Computing, 2017,16(2): 581-594.
[5]	ARSHAD S , FENG C H , LIU Y H ,et al. Wi-chase:a WiFi based human activity recognition system for sensorless environments[C]// 2017 IEEE 18th International Symposium on A World of Wireless,Mobile and Multimedia Networks (WoWMoM). IEEE, 2017: 1-6.
[6]	HALPERIN D , HU W J , SHETH A ,et al. 802.11 with multiple antennas for dummies[J]. ACM SIGCOMM Computer Communication Review, 2010,40(1): 19-25.
[7]	QIAN K , WU C S , YANG Z ,et al. PADS:Passive detection of moving targets with dynamic speed using PHY layer information[C]// 2014 20th IEEE International Conference on Parallel and Distributed Systems (ICPADS). IEEE, 2014: 1-8.
[8]	SEN S , RADUNOVIC B , CHOUDHURY R R ,et al. You are facing the Mona Lisa[C]// The 10th International Conference on Mobile Systems,Applications,and Services. ACM, 2012: 183-196.
[9]	DAVIES L , GATHER U . The identification of multiple outliers[J]. Journal of the American Statistical Association, 1993,88(423): 782-792.

序号	特征
1	标准差
2	绝对中位差
3	四分位数
4	信息熵
5	人体活动持续时间
6	信号强度偏移量

算法	仅使用幅度	仅使用相位	同时使用幅度和相位
SVM	90%	67%	95%
RF	63%	77%	80%
KNN	70%	73%	88%

基于CSI的井下人员行为识别方法

CSI-based underground personnel behavior identification method

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 9

相关文章 9

Metrics

推荐阅读 0

[1]	胡超, 鲁邦彦, 杨彦兵, 陈哲, 张磊, 陈良银. 基于低成本物联网芯片ESP32的人体行为识别系统[J]. 物联网学报, 2023, 7(2): 133-142.
[2]	牛超, 杨卫东, 胡鹏明, 高向上, 沈二波. Wi-freshness：基于CSI的猪肉新鲜度检测系统研究[J]. 物联网学报, 2023, 7(2): 143-152.
[3]	苏麟, 党小超, 郝占军, 汝春瑞, 尚旭. 基于WPT-MEC的动态自适应卸载方法[J]. 物联网学报, 2022, 6(4): 128-138.
[4]	李建东, 杨晶晶, 黄铭. 基于知识图谱的Wi-Fi室内定位技术研究[J]. 物联网学报, 2022, 6(2): 19-25.
[5]	赵广智, 周志鹏, 龚伟, 陈绍青, 周浩泉. 基于主动学习和Wi-Fi感知的人体识别系统[J]. 物联网学报, 2022, 6(1): 44-52.
[6]	魏忠诚, 张新秋, 连彬, 王巍, 赵继军. 基于Wi-Fi信号的身份识别技术研究[J]. 物联网学报, 2021, 5(4): 107-119.
[7]	关世友, 吴再群. 一种轻量级物联网节点管理软件设计及应用[J]. 物联网学报, 2021, 5(4): 145-152.
[8]	党小超,司雄,郝占军,黄亚宁,黑毅力. 复杂室内环境下基于CSI的定位方法[J]. 物联网学报, 2018, 2(4): 68-77.
[9]	牛建伟, 齐之平, 吕卫锋, 李辉勇, 盛浩. 基于多信息融合的室内定位系统[J]. 物联网学报, 2017, 1(1): 55-66.