使用超宽带多基地无线电的无设备人体状态估计

我们提出了一种人体状态估计框架，能够估计室内环境中人员的位置甚至活动，而无需他们携带特定设备。为了实现这种“无设备”定位，我们使用了分布在感兴趣环境中的少量低成本超宽带传感器。为了从仅由环境中人员反射的超宽带信号中获得高质量估计，我们利用了一个能够学习进行推理的深度网络。硬件设置包括商用现成单天线超宽带模块用于感知，以及树莓派单元用于计算处理和数传。我们利用超宽带传感器的信道冲激响应测量来估计给定区域内的人体状态——包括位置和活动。此外，我们还可以估计占据该感兴趣区域的人数。在我们的方法中，首先对信道冲激响应数据进行预处理，包括细致的测量聚合和关键统计量的提取。随后，我们利用卷积深度神经网络将信道冲激响应映射到精确的位置估计，精度低于30厘米。类似地，我们实现了准确的人体活动识别和人数统计。我们表明，可以快速微调模型以适应新的分布外用户，该过程仅需几分钟的数据和几个训练周期。我们的结果表明，超宽带是一种适用于自适应智能家居定位和活动识别问题的有前景的解决方案。