İnsan hareketlerinin RF sinyalleri kullanarak tanımlanması ve izlenmesi

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.