基于CSI子载波幅相信息的无接触WiFi动作识别与老年人跌倒检测系统设计.docxVIP

PAGE2

基于CSI子载波幅相信息的无接触WiFi动作识别与老年人跌倒检测系统设计

摘要

随着人口老龄化加剧，老年人跌倒已成为威胁其健康与生命安全的首要风险之一。传统的穿戴式与视觉监控方案在舒适性、隐私保护及部署成本方面存在明显局限。本课题设计并实现了一种基于WiFi信道状态信息（CSI）子载波幅相信息的无接触动作识别与跌倒检测系统，利用成本低廉的ESP32模块采集CSI，通过小波滤波等预处理手段提取稳定特征，并训练时空图卷积网络（ST?GCN）对常见日常动作和跌倒事件进行分类识别。

论文按照工程设计的递进逻辑展开。首先通过需求分析明确系统功能指标与非功能约束，随后给出分层架构与模块划分的总体设计。在详细设计中，重点阐述了从CSI采集、子载波幅相图构建到ST?GCN模型推理的全流程算法与接口规范。系统实现部分展示了开发环境搭建与核心代码实现思路，并对相位校准、样本不平衡等难点提出了针对性解决方案。测试章节通过多场景实验验证了系统性能，跌倒识别准确率达96.3%，响应时间低于1.8秒。最后总结了系统的创新价值——将低分辨率CSI幅相信息与图神经网络结合，在普通WiFi设备上实现了高精度非接触式跌倒检测，为智慧养老提供了轻量化、尊重隐私的新型解决方案。

第一章绪论

1.1研究背景

我国已进入深度老龄社会，截至2023年底，60岁以上人口超过2.9亿，空巢老人比例持续升高。跌