Wi-Fi CSI人体活动识别与跌倒检测嵌入式系统隐私保护设计.docxVIP

PAGE2

Wi-FiCSI人体活动识别与跌倒检测嵌入式系统隐私保护设计

摘要

随着人口老龄化加剧，独居老人的跌倒检测成为智能家居领域的重要需求。传统方案依赖摄像头或可穿戴设备，存在隐私泄露风险与佩戴不便等问题。本文设计并实现了一种基于Wi-Fi信道状态信息（CSI）的嵌入式跌倒检测系统，通过提取子载波幅度与相位特征，构建轻量级长短期记忆（LSTM）分类器，在边缘端完成本地推理，全程无需上传原始数据，从架构层面保障用户隐私。系统核心指标为跌倒检出率大于95%，响应延迟低于500毫秒。

全文共分八章。第一章分析老龄化社会跌倒检测的迫切需求与现有方案的隐私短板，明确本课题的设计目标；第二章介绍Wi-FiCSI感知原理、LSTM神经网络及嵌入式部署技术，并完成技术选型论证；第三章从功能与非功能角度细化系统需求，建立用例模型；第四章设计系统总体架构，划分数据采集、预处理、特征提取、分类推理与预警通告五大模块，并规划数据存储结构；第五章深入阐述幅度/相位特征提取算法与轻量级LSTM分类器的详细设计，给出关键流程与伪代码；第六章展示系统在嵌入式平台上的实现过程与核心代码片段；第七章通过大量测试验证系统功能与性能，跌倒检出率高达96.8%，满足设计指标；第八章总结全文工作，指出创新点与不足，展望未来联邦学习与多设备协同的改进方向。本设计以“本地推理、原始数据不出设备”为核心特色，为隐私