基於無線感知的溼度檢測的方法及系統與流程
2023-11-06 06:43:02 1
本發明涉及無線檢測領域，尤其涉及一種基於無線感知的溼度檢測的方法及系統。
背景技術：
近些年來無線網絡技術有了迅速的發展，人們嘗試著把它應用到生活的方方面面。同時隨著時代的發展和生活的進步，人們越來越關注自身和大自然的關係。大氣溼度作為一種環境參數，強烈影響著自然經濟，並且在各種環境過程中扮演者重要的作用。例如各種農作物的生長都離不開合適的溼度。結合當前熱點，利用無線感知技術進行大氣溼度監測的研究，從而讓技術更好地服務於生活。
現有的溼度測量方法主要可以分為兩種。一是，查表法，常見的溼度計就是用的這種方法。大致原理如下：由於溼泡溫度計的感溫泡包著棉紗，棉紗的下端浸在水中，水的蒸發而使溼泡溫度計的溫度示數總是低於幹泡溫度計的溫度示數，而這一溫度差值跟水蒸發快慢（即當時的相對溼度）有關．根據兩溫度計的讀數，從表或曲線上可查出空氣的相對溼度。二是，衰減法，基於電磁波在空氣中傳輸時會受到水蒸氣的影響而有所衰減的原理，通過測量發射端和接收端的RSSI (Received Signal Strength Indicator)，從而依據衰減程度來推測溼度的大小。
總結以上兩種方法。方法一，利用物理現象對溼度進行測量，人為的誤差較大。並且當我們需要同時知道多處的溼度值時，這就需要放置多個溼度計，這樣成本就太高了。方法二，由於水蒸氣對信號傳輸的影響畢竟較小。因此，在實際操作中需要對經過長距離（長達幾公裡）傳輸後的信號強度進行測量。在長距離下，增加了其它天氣因素，如雨、雪和霧等對信號影響的可能性，從而導致測量受限。再者，長距離本身就增加了測量的不便性。
技術實現要素：
為了克服上述所指的現有測量方法中的不足之處，本發明提供一種基於無線感知的溼度檢測的方法及系統。利用已被廣泛部署的無線信號發射裝置，例如商用路由器，在特定的布局中，通過收集到的CSI(Channel State Information 信道狀態信息)數據，使用一系列算法對數據進行分析，從而檢測出周圍環境的溼度信息。該方法有良好的現實基礎：無線網絡已被普遍部署。相對於以往的方法，減少了測量成本，提高了適用性。
本發明是通過以下技術方案實現的：
一種基於無線感知的溼度檢測方法，包括如下步驟：
S1、無線接收端接收來自無線發射端的無線信號，並評估信道狀態信息；
S2、CSI數據特徵提取，輸出目標模式；
S3、將步驟S2中輸出的目標模式，使用SVM分類，以檢測周圍環境的溼度信息；
S4、反饋針對檢測結果的響應信息，調整分類算法的參數，進一步提升準確性。
作為本發明的進一步改進：所述步驟S1評估信道狀態信息包括：
S11、採集初始信道狀態數據，基於多輸入多輸出技術，所述初始信道狀態數據包括M個空間流中的N個子載波的CSI值，M和N均為大於1的自然數；
S12、對每一空間流，求取在同一時間點上的T個連續子載波的CSI值的平均值，將此平均值作為信道狀態信息，T為大於1小於N的自然數；
S13、利用數據過濾技術，對信道狀態信息進行過濾處理，以減少周圍環境中因物體的移動而造成的對信道狀態信息的幹擾。
作為本發明的進一步改進：所述步驟S2包括對CSI數據進行均值Mean、歸一化的標準差The Normalized Standard Deviation、平均絕對偏差Mean Absolute Deviation、四分位範圍Interquartile Range以及信號熵值Signal Entropy共五個方面特徵的提取。
作為本發明的進一步改進：所述步驟S3根據CSI數據的特徵進行分類的分類算法是支持向量機SVM方法。
作為本發明的進一步改進：所述步驟S3包括：
S31、基於統計學習理論，預先建立以設定空間內各種溼度導致信道狀態信息變化作為訓練樣本的高維特徵模型；
S32、將步驟S2中輸出的目標模式，使用SVM分類，以檢測周圍環境的溼度信息。
作為本發明的進一步改進：所述步驟S4中，反饋針對溼度檢測結果的響應信息，調整支持向量機的高維特徵模型。
本發明同時提供了一種基於無線感知的溼度檢測系統，包括：
CSI獲取模塊，用於無線接收端接收來自無線發射端的無線信號，並評估信道狀態信息；
檢測模塊，用於根據CSI獲取模塊採集到的CSI數據，提取特徵，並進行分類匹配，檢測出當前環境的溼度信息；
反饋模塊，用於將檢測模塊檢測出的結果與已知的類別進行比對，如果出現偏差，則進行校正，從而使分類算法更為精確；
顯示模塊，用來顯示檢測出的結果。
作為本發明的進一步改進：所述CSI獲取模塊包括：
感應單元，用於採集初始信道狀態數據，基於多輸入多輸出技術，所述初始信道狀態數據包括M個空間流中的N個子載波的CSI值，M和N均為大於1的自然數；
數據處理單元，用於對每一空間流，求取在同一時間點上的T個連續子載波的CSI值的平均值，將此平均值作為信道狀態信息，T為大於1小於N的自然數；
過濾單元，用於利用數據過濾技術對信道狀態信息進行過濾處理。
作為本發明的進一步改進：所述檢測模塊，包括：
計算單元，用於對CSI數據進行特徵提取，提取的特徵包括：均值、歸一化的標準差、平均絕對偏差、四分位範圍以及信號熵值；
建立模型單元，用於基於統計學習理論，預先建立以設定空間內各種溼度導致信道狀態信息變化作為訓練樣本的高維特徵模型；
檢測單元，用於將輸出的目標模式映射至支持向量機的高維特徵模型中，分離出目標溼度類。
作為本發明的進一步改進：所述反饋模塊包括：用於反饋針對當前環境溼度檢測的響應信息，調整支持向量機的高維特徵模型；所述顯示模塊包括但不限於移動終端屏幕、掌上電腦或液晶顯示屏。
本發明的有益效果：相對於RSSI，CSI作為一種對無線傳播信道的更好的評估；本發明利用CSI的優點，設計出了一種基於無線感知的溼度檢測系統，並使校正模塊能夠更準確對周圍環境的溼度信息進行檢測；本檢測方法是在現有的無線網絡及設備的基礎上，進行溼度檢測工作，被檢測環境中無需安裝其他特定的檢測設備，具有極高的普及性。
附圖說明
附圖1為本發明的一種實施例的基於無線感知的溼度檢測的系統配置示意圖；
附圖2為本發明的溼度檢測方法的實現流程簡圖；
附圖3為本發明的一種實施例的溼度檢測方法的實現流程示意圖；
附圖4為本發明的一種實施例的溼度檢測系統的框架圖。
具體實施方式
為了便於本領域技術人員的理解，下面結合附圖和實例對本發明作進一步的描述。
Support Vector Machine 即SVM
一種基於無線感知的溼度檢測方法，包括如下步驟：
S1、無線接收端接收來自無線發射端的無線信號，並評估信道狀態信息；
S2、CSI數據特徵提取，輸出目標模式；
S3、將步驟S2中輸出的目標模式，使用SVM分類，以檢測周圍環境的溼度信息；
S4、反饋針對檢測結果的響應信息，調整分類算法的參數，進一步提升準確性。
所述步驟S1評估信道狀態信息包括：
S11、採集初始信道狀態數據，基於多輸入多輸出技術，所述初始信道狀態數據包括M個空間流中的N個子載波的CSI值，M和N均為大於1的自然數；
S12、對每一空間流，求取在同一時間點上的T個連續子載波的CSI值的平均值，將此平均值作為信道狀態信息，T為大於1小於N的自然數；
S13、利用數據過濾技術，對信道狀態信息進行過濾處理，以減少周圍環境中因物體的移動而造成的對信道狀態信息的幹擾。
所述步驟S2包括對CSI數據進行均值Mean、歸一化的標準差The Normalized Standard Deviation、平均絕對偏差Mean Absolute Deviation、四分位範圍Interquartile Range以及信號熵值Signal Entropy共五個方面特徵的提取。
所述步驟S3根據CSI數據的特徵進行分類的分類算法是支持向量機SVM方法。
所述步驟S3包括：
S31、基於統計學習理論，預先建立以設定空間內各種溼度導致信道狀態信息變化作為訓練樣本的高維特徵模型；
S32、將步驟S2中輸出的目標模式，使用SVM分類，以檢測周圍環境的溼度信息。
作為本發明的進一步改進：所述步驟S4中，反饋針對溼度檢測結果的響應信息，調整支持向量機的高維特徵模型。
本發明同時提供了一種基於無線感知的溼度檢測系統，包括：
CSI獲取模塊，用於無線接收端接收來自無線發射端的無線信號，並評估信道狀態信息；
檢測模塊，用於根據CSI獲取模塊採集到的CSI數據，提取特徵，並進行分類匹配，檢測出當前環境的溼度信息；
反饋模塊，用於將檢測模塊檢測出的結果與已知的類別進行比對，如果出現偏差，則進行校正，從而使分類算法更為精確；
顯示模塊，用來顯示檢測出的結果。
所述CSI獲取模塊包括：
感應單元，用於採集初始信道狀態數據，基於多輸入多輸出技術，所述初始信道狀態數據包括M個空間流中的N個子載波的CSI值，M和N均為大於1的自然數；
數據處理單元，用於對每一空間流，求取在同一時間點上的T個連續子載波的CSI值的平均值，將此平均值作為信道狀態信息，T為大於1小於N的自然數；
過濾單元，用於利用數據過濾技術對信道狀態信息進行過濾處理。
所述檢測模塊，包括：
計算單元，用於對CSI數據進行特徵提取，提取的特徵包括：均值、歸一化的標準差、平均絕對偏差、四分位範圍以及信號熵值；
建立模型單元，用於基於統計學習理論，預先建立以設定空間內各種溼度導致信道狀態信息變化作為訓練樣本的高維特徵模型；
檢測單元，用於將輸出的目標模式映射至支持向量機的高維特徵模型中，分離出目標溼度類。
所述反饋模塊包括：用於反饋針對當前環境溼度檢測的響應信息，調整支持向量機的高維特徵模型；所述顯示模塊包括但不限於移動終端屏幕、掌上電腦或液晶顯示屏。
在一實施例中，一種基於無線感知的溼度檢測的方法，其步驟包括：
S1、無線接收端接收來自無線發射端的無線信號，並評估信道狀態信息；
S2、CSI數據特徵提取，對收集到的CSI數據分別作均值（Mean）、歸一化的標準差（The Normalized Standard Deviation）、平均絕對偏差（Mean Absolute Deviation）、四分位範圍（Interquartile Range以及信號熵值（Signal Entropy）處理，輸出目標模式；
S3、將步驟S2中輸出的目標模式，使用SVM分類，以檢測周圍環境的溼度信息；
S4、反饋針對檢測結果的響應信息，調整分類算法的參數，進一步提升準確性。
具體地，在步驟S1中，評估信道狀態信息包括：
S11、採集初始信道狀態數據，基於多輸入多輸出技術，所述初始信道狀態數據包括M個空間流中的N 個子載波的CSI值，M和N均為大於1的自然數；
S12、對每一空間流，求取在同一時間點上的T個連續子載波的CSI值的平均值，將此平均值作為信道狀態信息，T為大於1小於N的自然數；
S13、利用數據過濾技術，對信道狀態信息進行過濾處理，以減少周圍環境中因物體的移動而造成的對信道狀態信息的幹擾。
當本發明的系統開始工作時，無線發射端傳播無線網絡信號，同時處於特定區域內的無線接收端（如裝有網卡的電腦）會收集CSI作為初始信道狀態數據，然後進行數據處理。
請參閱圖1，其是整個實驗場景的實驗布置圖。
所述步驟S2包括對CSI數據進行均值（Mean）、歸一化的標準差（The Normalized Standard Deviation）、平均絕對偏差（Mean Absolute Deviation）、四分位範圍（Interquartile Range）以及信號熵值（Signal entropy）共五個方面特徵的提取。
所述步驟S3包括：
S31、基於統計學習理論，預先建立以設定空間內各種溼度導致信道狀態信息變化作為訓練樣本的高維特徵模型；
S32、將步驟S2中輸出的目標模式，使用SVM分類，以檢測周圍環境的溼度信息。
所述步驟S4包括：反饋針對溼度檢測結果的響應信息，調整支持向量機的高維特徵模型。
如附圖2所示的流程圖，公開了本發明的檢測方法的四個重要步驟，包括：信道狀態評估、CSI數據特徵提取、溼度分類和反饋檢測結果。
又一實施例中，如附圖3所示，本發明還提供了一種實施例的溼度檢測方法的實現流程，其步驟包括：
S301、無線接收端接收來自無線發射端的無線信號，同時採集初始信道狀態數據；
S302、取合併子載波的CSI平均值作為信道狀態信息；
S303、對信道狀態信息進行過濾處理；
S304、對信道狀態信息進行特徵提取；
S305、輸出目標模式；
S306、將目標模式映射至支持向量機的高維特徵模型；
S307、利用支持向量機進行分類；
S308、是否檢測出當前環境的溼度信息，如是，執行步驟S309，否則返回步驟S301；
S309、在顯示模塊顯示檢測結果，調整參數，優化檢測和分類算法。
本發明還提供了一種溼度檢測系統，如附圖4所示，包括：
CSI獲取模塊41，用於無線接收端接收來自無線發射端的無線信號，並評估信道狀態信息；
檢測模塊42，用於根據CSI獲取模塊採集到的CSI數據，提取特徵，輸出目標模式，並將輸出的目標模式映射至支持向量機的高維特徵模型中，分離出目標溼度類；
反饋模塊43，用於將檢測模塊檢測出的結果與已知的類別進行比對，如果出現偏差，則進行校正，從而使分類算法更為精確；
顯示模塊44，可利用手機端的顯示屏或者其他顯示模塊，用來顯示檢測出的結果。
所述CSI獲取模塊包括：
感應單元411，用於採集初始信道狀態數據，基於多輸入多輸出技術，所述初始信道狀態數據包括M個空間流中的N個子載波的CSI值，M和N均為大於1的自然數；
數據處理單元412，用於對每一空間流，求取在同一時間點上的T個連續子載波的CSI值的平均值，將此平均值作為信道狀態信息，T為大於1小於N的自然數；
過濾單元413，用於利用數據過濾技術對信道狀態信息進行過濾處理。
所述檢測模塊，包括：
計算單元421，用於對CSI數據進行特徵提取，提取的特徵包括：均值（Mean）、歸一化的標準差（Normalized Standard Deviation）、平均絕對偏差（Mean Absolute Deviation）、四分位範圍（Interquartile Range）以及信號熵值（Signal Entropy），輸出目標模式；
建立模型單元422，用於基於統計學習理論，預先建立以設定空間內各種溼度導致信道狀態信息變化作為訓練樣本的高維特徵模型；
溼度識別單元423，用於將輸出的目標模式映射至支持向量機的高維特徵模型中，分離出目標溼度類。
本發明的溼度檢測系統還包括一反饋模塊43，用於反饋針對當前環境溼度檢測的響應信息，調整支持向量機的高維特徵模型。
本發明的溼度檢測系統還包括一顯示模塊44，用於顯示最終的檢測結果，顯示模塊為移動終端屏幕、掌上電腦、液晶顯示屏以及其它用於顯示內容的顯示器件（如投影儀等）。
以上內容是結合具體的優選方式對本發明所作的進一步詳細說明，不應認定本發明的具體實施只局限於以上說明。對於本技術領域的技術人員而言，在不脫離本發明構思的前提下，還可以作出若干簡單推演或替換，均應視為由本發明所提交的權利要求確定的保護範圍之內。