Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13087/1909
Title: Recognition and monitoring of human motions using RF signals
Other Titles: İnsan hareketlerinin RF sinyalleri kullanarak tanımlanması ve izlenmesi
Authors: Filik, Tansu
Uysal, Can
Keywords: Elektrik ve Elektronik Mühendisliği
Electrical and Electronics Engineering
El yazısı tanıma
Handwriting recognition
Evde sağlık hizmetleri
Home health service
Hedef tespiti
Target detection
Parametre tahmini
Parameter estimation
Issue Date: 2020
Publisher: Eskişehir Teknik Üniversitesi
Abstract: 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.
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.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=fl0Kw4p1rmMDotyKRdYv1BD9Z0F36FmrvCiRHt4b7mlzZQ0N0zb-ag-cgouZ5dJ3
https://hdl.handle.net/20.500.13087/1909
Appears in Collections:Tez Koleksiyonu

Show full item record

CORE Recommender

Page view(s)

50
checked on Oct 3, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.