本發(fā)明涉及無(wú)線檢測(cè)領(lǐng)域，尤其涉及一種基于無(wú)線感知的濕度檢測(cè)的方法及系統(tǒng)。

背景技術(shù)：

近些年來(lái)無(wú)線網(wǎng)絡(luò)技術(shù)有了迅速的發(fā)展，人們嘗試著把它應(yīng)用到生活的方方面面。同時(shí)隨著時(shí)代的發(fā)展和生活的進(jìn)步，人們?cè)絹?lái)越關(guān)注自身和大自然的關(guān)系。大氣濕度作為一種環(huán)境參數(shù)，強(qiáng)烈影響著自然經(jīng)濟(jì)，并且在各種環(huán)境過(guò)程中扮演者重要的作用。例如各種農(nóng)作物的生長(zhǎng)都離不開合適的濕度。結(jié)合當(dāng)前熱點(diǎn)，利用無(wú)線感知技術(shù)進(jìn)行大氣濕度監(jiān)測(cè)的研究，從而讓技術(shù)更好地服務(wù)于生活。

現(xiàn)有的濕度測(cè)量方法主要可以分為兩種。一是，查表法，常見(jiàn)的濕度計(jì)就是用的這種方法。大致原理如下：由于濕泡溫度計(jì)的感溫泡包著棉紗，棉紗的下端浸在水中，水的蒸發(fā)而使?jié)衽轀囟扔?jì)的溫度示數(shù)總是低于干泡溫度計(jì)的溫度示數(shù)，而這一溫度差值跟水蒸發(fā)快慢（即當(dāng)時(shí)的相對(duì)濕度）有關(guān)．根據(jù)兩溫度計(jì)的讀數(shù)，從表或曲線上可查出空氣的相對(duì)濕度。二是，衰減法，基于電磁波在空氣中傳輸時(shí)會(huì)受到水蒸氣的影響而有所衰減的原理，通過(guò)測(cè)量發(fā)射端和接收端的RSSI (Received Signal Strength Indicator)，從而依據(jù)衰減程度來(lái)推測(cè)濕度的大小。

總結(jié)以上兩種方法。方法一，利用物理現(xiàn)象對(duì)濕度進(jìn)行測(cè)量，人為的誤差較大。并且當(dāng)我們需要同時(shí)知道多處的濕度值時(shí)，這就需要放置多個(gè)濕度計(jì)，這樣成本就太高了。方法二，由于水蒸氣對(duì)信號(hào)傳輸?shù)挠绊懏吘馆^小。因此，在實(shí)際操作中需要對(duì)經(jīng)過(guò)長(zhǎng)距離（長(zhǎng)達(dá)幾公里）傳輸后的信號(hào)強(qiáng)度進(jìn)行測(cè)量。在長(zhǎng)距離下，增加了其它天氣因素，如雨、雪和霧等對(duì)信號(hào)影響的可能性，從而導(dǎo)致測(cè)量受限。再者，長(zhǎng)距離本身就增加了測(cè)量的不便性。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述所指的現(xiàn)有測(cè)量方法中的不足之處，本發(fā)明提供一種基于無(wú)線感知的濕度檢測(cè)的方法及系統(tǒng)。利用已被廣泛部署的無(wú)線信號(hào)發(fā)射裝置，例如商用路由器，在特定的布局中，通過(guò)收集到的CSI(Channel State Information 信道狀態(tài)信息)數(shù)據(jù)，使用一系列算法對(duì)數(shù)據(jù)進(jìn)行分析，從而檢測(cè)出周圍環(huán)境的濕度信息。該方法有良好的現(xiàn)實(shí)基礎(chǔ)：無(wú)線網(wǎng)絡(luò)已被普遍部署。相對(duì)于以往的方法，減少了測(cè)量成本，提高了適用性。

本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

一種基于無(wú)線感知的濕度檢測(cè)方法，包括如下步驟：

S1、無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，并評(píng)估信道狀態(tài)信息；

S2、CSI數(shù)據(jù)特征提取，輸出目標(biāo)模式；

S3、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測(cè)周圍環(huán)境的濕度信息；

S4、反饋針對(duì)檢測(cè)結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)，進(jìn)一步提升準(zhǔn)確性。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述步驟S1評(píng)估信道狀態(tài)信息包括：

S11、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個(gè)空間流中的N個(gè)子載波的CSI值，M和N均為大于1的自然數(shù)；

S12、對(duì)每一空間流，求取在同一時(shí)間點(diǎn)上的T個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

S13、利用數(shù)據(jù)過(guò)濾技術(shù)，對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理，以減少周圍環(huán)境中因物體的移動(dòng)而造成的對(duì)信道狀態(tài)信息的干擾。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述步驟S2包括對(duì)CSI數(shù)據(jù)進(jìn)行均值Mean、歸一化的標(biāo)準(zhǔn)差The Normalized Standard Deviation、平均絕對(duì)偏差Mean Absolute Deviation、四分位范圍Interquartile Range以及信號(hào)熵值Signal Entropy共五個(gè)方面特征的提取。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述步驟S3根據(jù)CSI數(shù)據(jù)的特征進(jìn)行分類的分類算法是支持向量機(jī)SVM方法。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述步驟S3包括：

S31、基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

S32、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測(cè)周圍環(huán)境的濕度信息。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述步驟S4中，反饋針對(duì)濕度檢測(cè)結(jié)果的響應(yīng)信息，調(diào)整支持向量機(jī)的高維特征模型。

本發(fā)明同時(shí)提供了一種基于無(wú)線感知的濕度檢測(cè)系統(tǒng)，包括：

CSI獲取模塊，用于無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，并評(píng)估信道狀態(tài)信息；

檢測(cè)模塊，用于根據(jù)CSI獲取模塊采集到的CSI數(shù)據(jù)，提取特征，并進(jìn)行分類匹配，檢測(cè)出當(dāng)前環(huán)境的濕度信息；

反饋模塊，用于將檢測(cè)模塊檢測(cè)出的結(jié)果與已知的類別進(jìn)行比對(duì)，如果出現(xiàn)偏差，則進(jìn)行校正，從而使分類算法更為精確；

顯示模塊，用來(lái)顯示檢測(cè)出的結(jié)果。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述CSI獲取模塊包括：

感應(yīng)單元，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個(gè)空間流中的N個(gè)子載波的CSI值，M和N均為大于1的自然數(shù)；

數(shù)據(jù)處理單元，用于對(duì)每一空間流，求取在同一時(shí)間點(diǎn)上的T個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

過(guò)濾單元，用于利用數(shù)據(jù)過(guò)濾技術(shù)對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述檢測(cè)模塊，包括：

計(jì)算單元，用于對(duì)CSI數(shù)據(jù)進(jìn)行特征提取，提取的特征包括：均值、歸一化的標(biāo)準(zhǔn)差、平均絕對(duì)偏差、四分位范圍以及信號(hào)熵值；

建立模型單元，用于基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

檢測(cè)單元，用于將輸出的目標(biāo)模式映射至支持向量機(jī)的高維特征模型中，分離出目標(biāo)濕度類。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述反饋模塊包括：用于反饋針對(duì)當(dāng)前環(huán)境濕度檢測(cè)的響應(yīng)信息，調(diào)整支持向量機(jī)的高維特征模型；所述顯示模塊包括但不限于移動(dòng)終端屏幕、掌上電腦或液晶顯示屏。

本發(fā)明的有益效果：相對(duì)于RSSI，CSI作為一種對(duì)無(wú)線傳播信道的更好的評(píng)估；本發(fā)明利用CSI的優(yōu)點(diǎn)，設(shè)計(jì)出了一種基于無(wú)線感知的濕度檢測(cè)系統(tǒng)，并使校正模塊能夠更準(zhǔn)確對(duì)周圍環(huán)境的濕度信息進(jìn)行檢測(cè)；本檢測(cè)方法是在現(xiàn)有的無(wú)線網(wǎng)絡(luò)及設(shè)備的基礎(chǔ)上，進(jìn)行濕度檢測(cè)工作，被檢測(cè)環(huán)境中無(wú)需安裝其他特定的檢測(cè)設(shè)備，具有極高的普及性。

附圖說(shuō)明

附圖1為本發(fā)明的一種實(shí)施例的基于無(wú)線感知的濕度檢測(cè)的系統(tǒng)配置示意圖；

附圖2為本發(fā)明的濕度檢測(cè)方法的實(shí)現(xiàn)流程簡(jiǎn)圖；

附圖3為本發(fā)明的一種實(shí)施例的濕度檢測(cè)方法的實(shí)現(xiàn)流程示意圖；

附圖4為本發(fā)明的一種實(shí)施例的濕度檢測(cè)系統(tǒng)的框架圖。

具體實(shí)施方式

為了便于本領(lǐng)域技術(shù)人員的理解，下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明作進(jìn)一步的描述。

Support Vector Machine 即SVM

一種基于無(wú)線感知的濕度檢測(cè)方法，包括如下步驟：

S1、無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，并評(píng)估信道狀態(tài)信息；

S2、CSI數(shù)據(jù)特征提取，輸出目標(biāo)模式；

S3、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測(cè)周圍環(huán)境的濕度信息；

S4、反饋針對(duì)檢測(cè)結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)，進(jìn)一步提升準(zhǔn)確性。

所述步驟S1評(píng)估信道狀態(tài)信息包括：

S11、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個(gè)空間流中的N個(gè)子載波的CSI值，M和N均為大于1的自然數(shù)；

S12、對(duì)每一空間流，求取在同一時(shí)間點(diǎn)上的T個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

S13、利用數(shù)據(jù)過(guò)濾技術(shù)，對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理，以減少周圍環(huán)境中因物體的移動(dòng)而造成的對(duì)信道狀態(tài)信息的干擾。

所述步驟S2包括對(duì)CSI數(shù)據(jù)進(jìn)行均值Mean、歸一化的標(biāo)準(zhǔn)差The Normalized Standard Deviation、平均絕對(duì)偏差Mean Absolute Deviation、四分位范圍Interquartile Range以及信號(hào)熵值Signal Entropy共五個(gè)方面特征的提取。

所述步驟S3根據(jù)CSI數(shù)據(jù)的特征進(jìn)行分類的分類算法是支持向量機(jī)SVM方法。

所述步驟S3包括：

S31、基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

S32、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測(cè)周圍環(huán)境的濕度信息。

作為本發(fā)明的進(jìn)一步改進(jìn)：所述步驟S4中，反饋針對(duì)濕度檢測(cè)結(jié)果的響應(yīng)信息，調(diào)整支持向量機(jī)的高維特征模型。

本發(fā)明同時(shí)提供了一種基于無(wú)線感知的濕度檢測(cè)系統(tǒng)，包括：

CSI獲取模塊，用于無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，并評(píng)估信道狀態(tài)信息；

檢測(cè)模塊，用于根據(jù)CSI獲取模塊采集到的CSI數(shù)據(jù)，提取特征，并進(jìn)行分類匹配，檢測(cè)出當(dāng)前環(huán)境的濕度信息；

反饋模塊，用于將檢測(cè)模塊檢測(cè)出的結(jié)果與已知的類別進(jìn)行比對(duì)，如果出現(xiàn)偏差，則進(jìn)行校正，從而使分類算法更為精確；

顯示模塊，用來(lái)顯示檢測(cè)出的結(jié)果。

所述CSI獲取模塊包括：

感應(yīng)單元，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個(gè)空間流中的N個(gè)子載波的CSI值，M和N均為大于1的自然數(shù)；

數(shù)據(jù)處理單元，用于對(duì)每一空間流，求取在同一時(shí)間點(diǎn)上的T個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

過(guò)濾單元，用于利用數(shù)據(jù)過(guò)濾技術(shù)對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理。

所述檢測(cè)模塊，包括：

計(jì)算單元，用于對(duì)CSI數(shù)據(jù)進(jìn)行特征提取，提取的特征包括：均值、歸一化的標(biāo)準(zhǔn)差、平均絕對(duì)偏差、四分位范圍以及信號(hào)熵值；

建立模型單元，用于基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

檢測(cè)單元，用于將輸出的目標(biāo)模式映射至支持向量機(jī)的高維特征模型中，分離出目標(biāo)濕度類。

所述反饋模塊包括：用于反饋針對(duì)當(dāng)前環(huán)境濕度檢測(cè)的響應(yīng)信息，調(diào)整支持向量機(jī)的高維特征模型；所述顯示模塊包括但不限于移動(dòng)終端屏幕、掌上電腦或液晶顯示屏。

在一實(shí)施例中，一種基于無(wú)線感知的濕度檢測(cè)的方法，其步驟包括：

S1、無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，并評(píng)估信道狀態(tài)信息；

S2、CSI數(shù)據(jù)特征提取，對(duì)收集到的CSI數(shù)據(jù)分別作均值（Mean）、歸一化的標(biāo)準(zhǔn)差（The Normalized Standard Deviation）、平均絕對(duì)偏差（Mean Absolute Deviation）、四分位范圍（Interquartile Range以及信號(hào)熵值（Signal Entropy）處理，輸出目標(biāo)模式；

S3、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測(cè)周圍環(huán)境的濕度信息；

S4、反饋針對(duì)檢測(cè)結(jié)果的響應(yīng)信息，調(diào)整分類算法的參數(shù)，進(jìn)一步提升準(zhǔn)確性。

具體地，在步驟S1中，評(píng)估信道狀態(tài)信息包括：

S11、采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個(gè)空間流中的N 個(gè)子載波的CSI值，M和N均為大于1的自然數(shù)；

S12、對(duì)每一空間流，求取在同一時(shí)間點(diǎn)上的T個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

S13、利用數(shù)據(jù)過(guò)濾技術(shù)，對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理，以減少周圍環(huán)境中因物體的移動(dòng)而造成的對(duì)信道狀態(tài)信息的干擾。

當(dāng)本發(fā)明的系統(tǒng)開始工作時(shí)，無(wú)線發(fā)射端傳播無(wú)線網(wǎng)絡(luò)信號(hào)，同時(shí)處于特定區(qū)域內(nèi)的無(wú)線接收端（如裝有網(wǎng)卡的電腦）會(huì)收集CSI作為初始信道狀態(tài)數(shù)據(jù)，然后進(jìn)行數(shù)據(jù)處理。

請(qǐng)參閱圖1，其是整個(gè)實(shí)驗(yàn)場(chǎng)景的實(shí)驗(yàn)布置圖。

所述步驟S2包括對(duì)CSI數(shù)據(jù)進(jìn)行均值（Mean）、歸一化的標(biāo)準(zhǔn)差（The Normalized Standard Deviation）、平均絕對(duì)偏差（Mean Absolute Deviation）、四分位范圍（Interquartile Range）以及信號(hào)熵值（Signal entropy）共五個(gè)方面特征的提取。

所述步驟S3包括：

S31、基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

S32、將步驟S2中輸出的目標(biāo)模式，使用SVM分類，以檢測(cè)周圍環(huán)境的濕度信息。

所述步驟S4包括：反饋針對(duì)濕度檢測(cè)結(jié)果的響應(yīng)信息，調(diào)整支持向量機(jī)的高維特征模型。

如附圖2所示的流程圖，公開了本發(fā)明的檢測(cè)方法的四個(gè)重要步驟，包括：信道狀態(tài)評(píng)估、CSI數(shù)據(jù)特征提取、濕度分類和反饋檢測(cè)結(jié)果。

又一實(shí)施例中，如附圖3所示，本發(fā)明還提供了一種實(shí)施例的濕度檢測(cè)方法的實(shí)現(xiàn)流程，其步驟包括：

S301、無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，同時(shí)采集初始信道狀態(tài)數(shù)據(jù)；

S302、取合并子載波的CSI平均值作為信道狀態(tài)信息；

S303、對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理；

S304、對(duì)信道狀態(tài)信息進(jìn)行特征提取；

S305、輸出目標(biāo)模式；

S306、將目標(biāo)模式映射至支持向量機(jī)的高維特征模型；

S307、利用支持向量機(jī)進(jìn)行分類；

S308、是否檢測(cè)出當(dāng)前環(huán)境的濕度信息，如是，執(zhí)行步驟S309，否則返回步驟S301；

S309、在顯示模塊顯示檢測(cè)結(jié)果，調(diào)整參數(shù)，優(yōu)化檢測(cè)和分類算法。

本發(fā)明還提供了一種濕度檢測(cè)系統(tǒng)，如附圖4所示，包括：

CSI獲取模塊41，用于無(wú)線接收端接收來(lái)自無(wú)線發(fā)射端的無(wú)線信號(hào)，并評(píng)估信道狀態(tài)信息；

檢測(cè)模塊42，用于根據(jù)CSI獲取模塊采集到的CSI數(shù)據(jù)，提取特征，輸出目標(biāo)模式，并將輸出的目標(biāo)模式映射至支持向量機(jī)的高維特征模型中，分離出目標(biāo)濕度類；

反饋模塊43，用于將檢測(cè)模塊檢測(cè)出的結(jié)果與已知的類別進(jìn)行比對(duì)，如果出現(xiàn)偏差，則進(jìn)行校正，從而使分類算法更為精確；

顯示模塊44，可利用手機(jī)端的顯示屏或者其他顯示模塊，用來(lái)顯示檢測(cè)出的結(jié)果。

所述CSI獲取模塊包括：

感應(yīng)單元411，用于采集初始信道狀態(tài)數(shù)據(jù)，基于多輸入多輸出技術(shù)，所述初始信道狀態(tài)數(shù)據(jù)包括M個(gè)空間流中的N個(gè)子載波的CSI值，M和N均為大于1的自然數(shù)；

數(shù)據(jù)處理單元412，用于對(duì)每一空間流，求取在同一時(shí)間點(diǎn)上的T個(gè)連續(xù)子載波的CSI值的平均值，將此平均值作為信道狀態(tài)信息，T為大于1小于N的自然數(shù)；

過(guò)濾單元413，用于利用數(shù)據(jù)過(guò)濾技術(shù)對(duì)信道狀態(tài)信息進(jìn)行過(guò)濾處理。

所述檢測(cè)模塊，包括：

計(jì)算單元421，用于對(duì)CSI數(shù)據(jù)進(jìn)行特征提取，提取的特征包括：均值（Mean）、歸一化的標(biāo)準(zhǔn)差（Normalized Standard Deviation）、平均絕對(duì)偏差（Mean Absolute Deviation）、四分位范圍（Interquartile Range）以及信號(hào)熵值（Signal Entropy），輸出目標(biāo)模式；

建立模型單元422，用于基于統(tǒng)計(jì)學(xué)習(xí)理論，預(yù)先建立以設(shè)定空間內(nèi)各種濕度導(dǎo)致信道狀態(tài)信息變化作為訓(xùn)練樣本的高維特征模型；

濕度識(shí)別單元423，用于將輸出的目標(biāo)模式映射至支持向量機(jī)的高維特征模型中，分離出目標(biāo)濕度類。

本發(fā)明的濕度檢測(cè)系統(tǒng)還包括一反饋模塊43，用于反饋針對(duì)當(dāng)前環(huán)境濕度檢測(cè)的響應(yīng)信息，調(diào)整支持向量機(jī)的高維特征模型。

本發(fā)明的濕度檢測(cè)系統(tǒng)還包括一顯示模塊44，用于顯示最終的檢測(cè)結(jié)果，顯示模塊為移動(dòng)終端屏幕、掌上電腦、液晶顯示屏以及其它用于顯示內(nèi)容的顯示器件（如投影儀等）。

以上內(nèi)容是結(jié)合具體的優(yōu)選方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不應(yīng)認(rèn)定本發(fā)明的具體實(shí)施只局限于以上說(shuō)明。對(duì)于本技術(shù)領(lǐng)域的技術(shù)人員而言，在不脫離本發(fā)明構(gòu)思的前提下，還可以作出若干簡(jiǎn)單推演或替換，均應(yīng)視為由本發(fā)明所提交的權(quán)利要求確定的保護(hù)范圍之內(nèi)。