基于Wi-Fi信道状态信息的室内跌倒检测特征提取与深度学习分类系统设计.docxVIP

PAGE2

基于Wi-Fi信道状态信息的室内跌倒检测特征提取与深度学习分类系统设计

摘要

随着老龄化社会进程加速，老年人居家安全，尤其是跌倒事件的及时检测与报警，已成为重要的社会关切。传统基于摄像头或穿戴式传感器的检测方案存在侵犯隐私、依赖用户配合、成本高昂等局限。本研究旨在设计并实现一种基于商用Wi-Fi信号信道状态信息（CSI）的非侵入式、隐私保护的室内跌倒检测系统。

本设计首先从原始CSI数据中提取幅度与相位特征，并进行预处理以消除环境噪声与硬件误差。随后，设计并实现一种轻量化的时序卷积网络（TCN）分类算法，用于对提取的时序特征进行建模，从而准确识别跌倒行为。系统最终部署于模拟家庭环境中，实现实时、自动的跌倒检测与本地化预警。

论文遵循工程化设计流程：第一章阐述研究背景与意义；第二章分析相关技术与开发工具；第三章进行详细的需求分析；第四章与第五章完成系统的总体与详细设计；第六章展示系统实现过程；第七章通过系统测试验证功能与性能；第八章总结全文并展望未来。本设计的核心创新在于结合了CSI幅度与相位联合特征，并设计了轻量化TCN模型，在保证高检测精度的同时，降低了计算开销，增强了在资源受限终端（如家用路由器）上的部署可行性。

第一章绪论

1.1研究背景

全球人口老龄化趋势日益显著，独居老人数量不断增加。跌倒作为老年人最常见的意外伤害事件，可能导致严重骨折、颅脑损伤甚至