Recognition and monitoring of human motions using RF signals
İnsan hareketlerinin RF sinyalleri kullanarak tanımlanması ve izlenmesi
- Tez No: 647534
- Danışmanlar: DOÇ. DR. TANSU FİLİK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektromanyetik Alanlar ve Mikrodalga Tekniği Bilim Dalı
- Sayfa Sayısı: 151
Özet
Bu tezde, iç ortam ve duvar arkası sağlık takibi ve aktivite tanıma uygulamaları için kablosuz radyo-frekans (RF) sinyallerinin potansiyelleri araştırılmıştır. Elektromanyetik dalgaların yayılım yolu üzerindeki veya yakınındaki hareketli veya sabit nesneler alınan RF sinyallerin dalga biçimini etkilemektedir. Son dönemlerde, bu RF sinyalleri, literatürdeki düşme tespiti, yaşamsal işaret takibi, aktivite tanıma gibi farklı sağlık hizmeti uygulamaları için incelenmektedir. Sağlıklı insanlar için bile, yaşamsal işaretlerden biri olan solunum hızını (RR) gerçek zamanlı olarak izlemek hayat kurtarıcı olabilmektedir. Koronavirüs hastalığı 2019'un (COVID-19) erken dönemde solunumla ilgili hafif semptomlara neden olduğu bildirilmektedir. Huzurevleri ve evlerindeki insanların solunum hızlarının temassız bir yöntemle sürekli olarak izlenmesi yakın gelecekte daha önemli olacaktır. Bu tezde ilk uygulama olarak temassız yaşamsal solunum hızı izleme seçilmiş ve üç farklı sinyal modeli ve yeni yöntemler önerilmiştir. Önerilen sistemde, yüksek çözünürlüklü altuzay-tabanlı parametrik spektral kestirim yaklaşımları, rotasyonel değişmezlik tekniği ile sinyal parametrelerinin kestirimi (ESPRIT) ve çoklu sinyal sınıflandırması (MUSIC), ve ardışık bağlanımlı hareketli ortalama (ARMA) modeli-tabanlı Quinn ve Fernandes (QF) tekniği solunum hızı kestirim algoritmaları olarak sunulmaktadır. Önerilen temassız solunum hızı izleme sisteminin kısıtlı veriyle çok yüksek doğruluğa sahip sonuçlara ulaştığı ve literatürde yaygın olarak kullanılan referans periodogram yönteminden üstün olduğu gerçek dünya ayarları ve ölçümleriyle yapılan deneylerle gösterilmektedir. Standart ortak kokusuz Kalman filtresi (JUKF) yöntemi de bu yeni ve zaman açısından kritik problem için modifiye edilmiştir ve önerilen modifiye JUKF (ModJUKF) yönteminin zamanla değişen solunum hızı senaryosunda pencereleme-tabanlı yöntemlere göre düşük bir hata oranına ulaştığı deneylerde gösterilmiştir. İkinci uygulama olarak, duvar arkası (TTW) statik/hareketli insan tespiti problemi araştırılmıştır. İnsan solunumunun neden olduğu çok küçük yansımalar kullanılarak duvar arkasındaki statik insanın varlığının tespiti literatürde ilk defa önerilmekte/ kullanılmaktadır. Önerilen makine öğrenimi tabanlı yöntemin, çift duvar arkası senaryosunda hem statik hem de hareketli insanın tespiti için %99'un üzerinde doğruluk elde ettiği çeşitli deneylerle gösterilmektedir. Önerilen sistemin makine öğrenimi modelini yeniden eğitmeden yeni bir ortamda kullanılabileceği gerçek deneylerle de doğrulanmaktadır. Son uygulama 26 harfi RF sinyallerini kullanarak sınıflandıran cihazsız havaya-yazma tanıma sistemi olan bir insan-makine etkileşimi uygulamasıdır. Önerilen sistem, el hareketi tanıma için literatürde ilk kez Ayrık Kosinüs Dönüşümü (DCT) katsayılarını ayırtedici özellikler olarak kullanmaktadır. Önerilen sistemde, sınıflandırma doğruluğunu iyileştirmek için kullanılan polarizasyon çeşitliliğini sağlamak için iki-kanallı alıcıda zıt kutuplu (yatay ve dikey) antenler kullanılmaktadır. Önerilen sistemin havaya-yazılmış 26 harfin sınıflandırılmasında %95.15 doğruluğa ulaştığı ve oldukça yeni WiFi tabanlı havaya-yazma tanıma yaklaşımlarından daha iyi performans gösterdiği gerçek ölçümlere yapılan deneylerle gösterilmektedir. Tüm bu uygulamalarda, kablosuz RF sinyalleri düşük maliyetli yazılım tabanlı radyo (SDR) modülleri ile üretilmekte ve alınmaktadır. Sunulan sistemler, gerçekçi senaryolarla uyumlu, farklı sayıda gönüllüden toplanan gerçek ölçümlerle gerçekleştirilen çeşitli deneylerle doğrulanmıştır.
Özet (Çeviri)
In this thesis, the potentials of radio frequency (RF) signals are investigated for indoor and through-the-wall (TTW) health monitoring and activity recognition applications. The moving or stationary objects on or near the propagation path of electromagnetic waves affects the received RF signals waveform. Recently, these RF signals are examined in literature for different healthcare applications, such as fall detection, vital sign monitoring, etc., and activity recognition. It can be life-saving to monitor the respiratory rate (RR), one of the vital signs, even for healthy people in real-time. It is reported that coronavirus disease 2019 (COVID-19) causes mild respiratory symptoms in the early stage. It is more important to continuously monitor the RR of people in nursing homes and houses with noncontact methods. In this thesis, the noncontact vital RR monitoring is chosen as the first application and three different signal models and new methods are proposed. In the proposed system, the high resolution subspace-based parametric spectral estimation approaches, estimation of signal parameters by rotational invariance technique (ESPRIT) and multiple signal classification (MUSIC), and auto-regressive and moving average (ARMA) model-based techniques are presented as the RR estimation algorithms. It is shown by the experiments with real-world settings and measurements that the proposed noncontact RR monitoring system achieves very accurate results with the limited number of observations and outperforms the periodogram method commonly used as the benchmark in the literature. The standard joint unscented Kalman filter (JUKF) method is also modified for this new and time-critical problem and it is shown in the experiments that the proposed modified JUKF (ModJUKF) method attains a low error rate according to the windowing-based methods in the time-varying RR scenario. As the second application, TTW static/moving human detection problem is investigated. The presence detection of the static human behind the wall using minute reflections caused by human breathing is the first time proposed/used in the literature. It is shown in various experiments that the proposed machine learning-based method achieves over 99% accuracy for the detection of both static and moving human in double TTW scenario. It is also validated with the real experiments that the proposed system can be used in a new environment without retraining the machine learning model. The last application is a human-machine interaction application which is a device-free air-writing recognition system that classifies 26 capital letters using RF signals. The proposed system uses the Discrete Cosine Transform (DCT) coefficients as discriminative features for the first time for gesture recognition. The oppositely polarized (i.e. horizontal and vertical) antennas are used in the two-channel receiver to provide polarization diversity that is exploited to improve the classification accuracy. It is shown with experiments conducted with real measurements that the proposed system, which achieves 95.15% accuracy in the classification of 26 air-written letters, outperforms the fairly new WiFi-based air-writing recognition approaches. In all these applications, RF signals are generated and captured by low-cost software-defined radio (SDR) modules. The presented systems are validated through various experiments conducted with real measurements collected from different numbers of volunteers and from different places compatible with realistic scenarios.
Benzer Tezler
- Davranışsal ve fiziksel multi-biyometri ile kişi kimliklendirme ve hareket tanıma üzerine yaklaşımlar
Approaches to person identification and motion recognition with behavioral and physical multi-biometrics
ONUR CAN KURBAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- The detection and recognition of faces in the internet of things for security applications
Güvenlik uygulamaları için nesnelerin internetinde yüzlerin tespiti ve tanınması
NASHWAN ADNAN OTHMAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Detection of human vital signs through obstructive barriers using UWB GPR
Engel arkası hayati bulguların geniş bantlı yere nüfus eden radar ile tespiti
CANSU BÜYÜKHAN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
YRD. DOÇ. DR. SAEID KARAMZADEH
- Giyilebilir sensör işaretlerinden hareket tanıma için yeni yaklaşımlar
New approaches for motion recognition from the wearable sensor signals
FATMA KUNCAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILMAZ KAYA