[论文解读] RASID: A Robust WLAN Device-free Passive Motion Detection System

Ahmed E. Kosba, Ahmed Saeed+1 more|arXiv (Cornell University)|May 30, 2011

Indoor and Outdoor Localization Technologies参考文献 26被引用 72

一句话总结

RASID 是一种鲁棒的、纯软件的基于 WLAN 的免设备被动运动检测系统，通过在接收信号强度（RSS）上使用非参数统计异常检测来检测人体运动，无需设备参与。它仅需两分钟的最小训练时间并支持自适应配置更新，即可实现高精度（F-measure ≥0.93），在低开销且无需专用硬件的前提下，优于以往系统，在真实环境中表现更优。

ABSTRACT

WLAN Device-free passive DfP indoor localization is an emerging technology enabling the localization of entities that do not carry any devices nor participate actively in the localization process using the already installed wireless infrastructure. This technology is useful for a variety of applications such as intrusion detection, smart homes and border protection. We present the design, implementation and evaluation of RASID, a DfP system for human motion detection. RASID combines different modules for statistical anomaly detection while adapting to changes in the environment to provide accurate, robust, and low-overhead detection of human activities using standard WiFi hardware. Evaluation of the system in two different testbeds shows that it can achieve an accurate detection capability in both environments with an F-measure of at least 0.93. In addition, the high accuracy and low overhead performance are robust to changes in the environment as compared to the current state of the art DfP detection systems. We also relay the lessons learned during building our system and discuss future research directions.

研究动机与目标

• 解决现有免设备被动（DfP）运动检测系统在环境变化（如温度、湿度和布局变化）下缺乏鲁棒性的问题。
• 通过最小化校准时间和避免在大范围区域进行大量配置，降低部署开销。
• 仅使用标准 WiFi 硬件和软件实现高精度、低开销的运动检测，无需特殊传感器或设备参与。
• 通过持续的静默配置更新，实现对环境变化的动态适应。
• 利用现有无线基础设施支持实际应用，如入侵检测、智能家居和边境防护。

提出的方法

• 在标准 WiFi 接入点和监控点收集的接收信号强度（RSS）测量值上使用非参数统计异常检测。
• 采用两分钟的初始训练阶段，构建代表正常无人员状态的静默配置。
• 应用持续的配置更新以适应环境变化，如温度、湿度和信号波动。
• 实施决策优化模块，以减少无线信号噪声引起的误报。
• 以 RSS 的方差作为主要检测特征，研究发现其在运动检测中比均值 RSS 更为有效。
• 引入集中式同步机制，实现多个监控点之间信号强度读数的同步，支持跨流分析和事件独立性检测。

实验结果

研究问题

• RQ1 如何在无需大量重新校准的情况下，使免设备被动运动检测对环境变化（如温度、湿度和信号波动）具有鲁棒性？
• RQ2 在存在多径衰落的真实室内环境中，哪种信号强度特征（如均值、方差）能提供最可靠的运动检测？
• RQ3 在各种真实条件下，非参数统计方法是否能优于参数模型在 DfP 运动检测中的表现？
• RQ4 系统在实现高检测精度的同时，能在多大程度上实现最小部署开销且无需专用硬件？
• RQ5 如何将运动检测结果与现有 DfP 跟踪系统集成，以提高跟踪效率和精度？

主要发现

• RASID 在两个不同且大规模的真实世界测试平台上均实现了至少 0.93 的 F-measure，证明了其高检测精度。
• 系统在不同环境中均保持高性能，且设置极少，仅需两分钟的初始训练阶段。
• 接收信号强度的方差被证明比均值更有效的检测特征，显著提升了检测灵敏度。
• RASID 所采用的非参数统计方法相比参数替代方案，对环境变化具有更好的鲁棒性。
• 通过持续的配置更新，RASID 能够在不重新训练的情况下适应温度和湿度变化等环境变化。
• 通过考虑信号噪声的决策优化过程，系统有效减少了误报，提升了在动态射频环境中的可靠性。