前言

随着社会的不断发展和科技水平的不断提高，信息世界不断向物理世界扩展和延伸，对物理世界大规模透彻的感知越来越重要。感知网络是实现大规模感知的一种重要方式。当前传统的感知网络都需要为了某个特定的应用任务，在某个特定的区域利用专有的设备进行有意识、特定的部署和维护，如有线静态传感器网络和无线传感器网络等，它们在大规模感知中部署和维护成本非常高。随着无线通信和传感器技术的发展以及无线移动终端设备的爆炸式普及，普通用户使用的移动设备集成了越来越多的传感器，拥有越来越强大的计算和感知能力。群智感知网络利用广大用户现有的感知设备和已部署的通信网络实现了大规模的感知，无须专门的部署和维护，解决了当前大规模感知网络成本高这个关键难题，是未来感知网络发展的重要方向。然而，群智感知网络利用普通用户现有的不准确感知设备，导致感知数据不准确、不可靠以及不完整等数据感知质量问题，使感知数据很难直接应用于各种感知应用中。

无源感知是当今物联网智能感知的新兴技术之一，能够帮助智能系统实现基于位置的智能服务。相比传统的主动感知，新型的基于无线设备的无源感知技术无须用户携带任何相关电子设备而对用户的出现、位置甚至身份进行识别。该项技术能够被广泛应用于工厂、家庭场所的安全防护、设备保护、人员管理等领域。室内环境下传统的无线信号强度由于其自身的粗粒度性，在遭受室内多径效应的影响下无法准确地感知人体的存在，导致无源感知性能无法达到令人满意的程度。当今，WLAN技术得到迅猛发展，其中IEEE 802.11 a/g/n协议中所采用的正交频分复用技术为无源感知提供载波水平的细粒度信道响应信息。信道响应包含多载波水平上的信道状态信息，能够刻画室内多径传播特征，为室内细粒度、高精度的无源感知发展提供新的机遇。目前，基于信道响应的无源感知研究在国际上尚处于萌芽阶段，大量的基础问题尚存在且未得到解决，其中包括多载波信道状态信息用于室内无源感知领域的有效性、稳定性和高效性。本书提出利用细粒度、多载波信道状态信息来实现室内无源感知定位技术，推动我国无线室内无源感知技术的发展。

本书分为“新型群智感知技术和应用”和“新型无源感知技术和应用”两个部分。

第一部分围绕群智感知网络中数据感知质量管理技术，主要对它的去伪存真、误差校正和去粗存精 3 个问题，从基于理论模型和基于实际系统两个方面展开深入探讨。首先，针对去伪存真问题，提出基于群智感知数据的真实污染源识别；其次，在准确识别真实污染源的基础上，针对误差校正问题，提出基于群智感知数据的用户感知误差校正；再次，在用户感知误差估计的基础上，针对去粗存精问题，提出用户的感知质量评估；最后，在前面基于理论模型研究的基础上，探究和解决实际群智感知网络系统中的数据感知质量管理问题。具体内容和创新点如下：

①提出基于群智感知数据的真实污染源识别方法，在未知污染源参数和数据感知误差的情况下，利用感知用户的随机游走性和感知数据互验证特性，通过有限次迭代实现真实污染源的准确识别。首先，联合聚类模型和参数估计，以获得候选的污染源和它们的参数估计值；其次，基于最大期望方法（Expectation Maximization，EM），提出了一种真实污染源最优识别算法，从候选污染源中准确地识别出真实源；最后，仿真实验验证了所提方法对真实污染源识别的精度。

②提出基于群智感知数据的感知误差自校正方法，仅依靠不准确的用户感知数据，在感知用户不合作校正和无法利用真实信息实现主动校正的情况下，通过多层有限次迭代实现感知误差的自校正。首先，对经典的最大期望方法进行扩展，提出基于两层迭代的感知误差自校正算法，有效地解决了感知事件、污染源参数和感知误差都未知条件下最大期望方法不适用的问题；其次，通过理论证明算法的收敛性和最优性；最后，仿真实验验证所提方法的校正精度。

③提出基于置信区间的用户感知质量评估方法，在感知质量和污染源都不确定的情况下，实现对用户感知质量的确定性评估。首先，利用基于最大期望的迭代估计算法，得到用户感知质量和污染源参数的最大似然估计值；其次，基于这些估计值，利用最大似然估计的渐近正态性（Asymptotic Normality）和Fisher信息（Fisher information）计算各个用户感知质量的置信区间。最后，仿真实验验证了所提方法得到的置信区间的精度。

④提出基于群智感知网络的室外大规模无线信号强度地图构建方法，并在实际系统中进行验证。首先，通过实际实验观察得出，感知数据既不准确又不完全，且感知误差不服从高斯噪声模型；其次，利用室外无线信号传播模型和用户感知误差校正模型在空间中的内在关系，提出基于群智感知数据的信号强度地图构建方法，以解决在这种非高斯感知误差下感知数据不准确和不完全的问题；最后，搭建实际的基于群智感知网络的无线信号强度地图构建系统，并利用实际系统的实验验证方法的性能。实验结果表明，所提方法能够获得平均误差为 8.5 dBm的信号强度地图，比传统基本方法降低 57%，为认知无线电的频谱分配和接入端的定制化服务提供有效支撑。

第二部分从细粒度单通信链路下无源感知研究的角度出发，主要针对以下几个方面展开探讨：

①为了降低设备无关被动人体检测现场勘测的开销花费，提高设备无关被动人体检测普适应用性，本书进行了大量的对比实验，提出利用振幅响应信息来量化无线链路对人体移动的敏感度，构建轻量级无源感知人体检测模型，实现自适应无源感知人体检测，降低现场勘测的开销。大量的科学实验结果表明自适应无源感知人体检测精度能够获得低于 5%的误报率和漏报率，从而证明利用振幅响应信息感知人体移动的有效性和高效性。

②针对振幅响应对室内人体慢速移动感知能力较低的现象，提出基于相位响应的免校验无源感知人体移动检测。在将网卡中原始的随机相位信息经过线性变换后，系统提取可用的稳定相位信息。本书提出基于时域相位变异系数的轻量级实时无校验的无源感知人体检测模型，能够降低系统勘测开销，提升设备无关被动人体检测的普适性。大量的实验结果表明该检测模型能够获得低于 5%的误报率和高于 90%的检测准确度，同时证明了相位响应信息在静态环境下的稳定性以及对人体移动检测的有效性和高效性。

③利用振幅响应信息来实现对接收机无源感知能力的量化评估，从而帮助选择具有高感知度的接收机位置的基础上，提出基于贝叶斯分类原理的细粒度无源感知人体定位模型，提升室内无线设备无关被动定位的范围和精度，降低监测区域内盲点数量。多个场地的实验评估结果表明，当接收机位于高无源感知度位置时，其定位精度比传统的定位技术提升 21%，证明了信道响应信息应用于无源感知人体位置估计的有效性。

④基于不同频率信道状态信息的差异性和相关性，提出高精度的室内无源感知定位模型。本书充分利用信道响应特有的室内频率选择性衰减特性，提出两种新颖的单链路条件下的无源感知定位算法，加权贝叶斯定位和最大相似矩阵定位算法，通过利用现有监督学习技术进一步提升室内无源感知定位精度。大量的实验评估表明，该模型能够取得平均小于 1 m的定位误差，证明了信道响应在无源感知中的稳定性与高效性。

编者
2022 年 4 月