A detecção acurada de indivíduos em ambientes fechados demanda dispositivos de alto custo, enquanto dispositivos de baixo custo, além da baixa acurácia, oferecem poucas informações sobre os eventos monitorados. As perturbações que podem afetar o sinal eletromagnético utilizado por interfaces de rede 802.11 tornam esse tipo de dispositivo um sensor de baixo custo, amplamente disponível e com acurácia satisfatória para várias aplicações. Neste trabalho, apresentamos o WiDMove, uma proposta para detecção da entrada e saída de pessoas em ambientes fechados utilizando medidas de qualidade do canal oferecidas pelo padrão IEEE 802.11n, conhecidas como Channel State Information (CSI). Nossa proposta é baseada em técnicas de processamento de sinal e de aprendizado de máquina, as quais nos permitem extrair e classificar assinaturas de eventos usando as medidas CSI. Em testes de laboratório com interfaces 802.11 convencionais, coletamos medidas CSI influenciadas por 8 pessoas distintas e extraímos as assinaturas de entrada e saída utilizando, dentre outras técnicas, Principal Component Analysis (PCA) e Short-Time Fourier Transform (STFT). Treinamos um classificador do tipo Support Vector Machine (SVM) e o validamos com validação cruzada, utilizando as técnicas K-Fold e Leave-One-Out. Os testes demonstraram que o WiDMove pode atingir a uma acurácia média superior a 85%.
Implementation of a New Hybrid Methodology for Fault Signal Classification Using Short -Time Fourier Transform and Support Vector Machines
