Through the wall human movement detection with software defined radio

Abstract

Bu tez kapsamında, duvar arkasındaki insan hareketini (varlığını) farklı senaryolarda, ortamdaki kablosuz haberleşme amaçlı elektromanyetik dalgaları kullanan derin öğrenme modelleri ile tespiti ele alınmaktadır. Kablosuz haberleşme sinyallerini izlemek, toplamak için yazılım tabanlı radyo kullanılmıştır. Temel olarak ortamın boş olması, insanın hareketsiz olduğu durum (sadece solunum hareketi) ve insanın hareketli olduğu (yürüme hareketi) üç durum tanımlanmıştır. Canlıların hareketsiz olduğu (uyku, baygın olma vb.) durumlarında yaptığı mikro düzey hareketlerden biri solunum fonksiyonudur.Bu tez kapsamında bu mikro hareketleri duvar arkasından algılayabilecek elektromanyetik dalgaların kullanıldığı bir düzenekten toplanan veriler kullanılmıştır. Alınan sinyalin genliği, insan solunumuna bağlı olarak periyodik olarak değiştiği görülmüştür. Kullanılan düzenekte sınırlı çıkış gücüne sahip 900 MHz taşıyıcı frekanslı sinyallerin farklı mesafelerde 10 farklı durum için yazılım tabanlı radyolarla (USRP B210), tanımlanan üç temel durum için kayıtları alınmıştır. 10 farklı durumun birbirinden ayırt edilebilmesi için toplanan sinyallerde farklı özellikler tanımlanmış ve 22 farklı sınıflandırma tekniği ile eğitilip test edilerek ve en uygun model sunulmuştur.Anahtar Sözcükler: Duvar Arkası Hareket Tespiti, Yazılım Tabanlı Radyo (SDR), Makine Öğrenmesi, Sınıflandırma

In this thesis, machine learning models for the detection of human movement behind the wall in different scenarios using electromagnetic waves for wireless communication in the environment are investigated. Software defined radio is used for monitoring and collecting communications signals. There are three main situations in the monitoring area which is empty (no living), and the person is inactive asleep or unconscious (only breathing), and the person is moving (walking etc.). Respiratory function is one of the micro-level movements of living things when they are inactive (sleep, unconscious, etc.).In this thesis, the data collected using a setup, which can sense these micro motions behind the wall, using the electromagnetic waves. It is observed that the amplitude of the received radio signal are changing periodically even with human respiration movement. In the used setup, 900 MHz carrier frequency signals with limited output power were recorded for three defined basic situations with software-based radios (USRP B210) for 10 different states at different distances. In order to distinguish 10 different states, different characteristics were defined in the collected signals and trained and tested with 22 different classification techniques and the most accurate and efficient model is presented.Keywords: Through the Wall, Human Movement Detection, Software Defined Radio (SDR), Machine Learning, Classification