基于CSI的非视距人火检测方法研究-AET-电子技术应用

基于CSI的非视距人火检测方法研究

电子技术应用

罗永战1，2，罗坚1，2，保佳钱2，王忆轲2，张石清2，楼亮亮2

1.迈得医疗工业设备股份有限公司；2.台州学院智能信息处理研究所

摘要： 现有的火灾检测技术多依赖烟雾传感器或摄像头，不仅在部署与维护方面成本较高，还面临隐私泄露、识别范围有限等问题，尤其难以覆盖非视距（Non-Line-of-Sight， NLoS）区域。此外，传统方法普遍无法判断火灾区域内是否存在被困人员，难以为应急救援提供有效决策支持。为解决上述问题，提出一种基于信道状态信息（Channel State Information， CSI）的人火检测方法，利用Wi-Fi信号墙体穿透与衰减特征实现复杂室内环境中的人员状态与火情联合感知。提出子载波加权融合算法压缩高维CSI数据，并构建双层门控循环单元（Gated Recurrent Unit， GRU）网络提取时序特征，实现对人体活动与火灾状态的准确识别。实验结果表明，该方法在非视距场景中检测是否发生火灾以及火灾环境中是否存在待救援人员的准确率分别为94.93%和94.53%。此外，所开发的实验数据集已公开，供相关研究者进一步探索，数据集可在https：//github.com/T-bjq/Wi-HFC-dataset获取。

关键词： 人火检测无线感知信道状态信息 GRU网络子载波融合

中图分类号：TP181 文献标志码：A DOI: 10.16157/j.issn.0258-7998.257177
中文引用格式： 罗永战，罗坚，保佳钱，等. 基于CSI的非视距人火检测方法研究[J]. 电子技术应用，2026，52(6)：83-89.
英文引用格式： Luo Yongzhan，Luo Jian，Bao Jiaqian，et al. Research on non-line-of-sight human-fire detection method based on CSI[J]. Application of Electronic Technique，2026，52(6)：83-89.

Research on non-line-of-sight human-fire detection method based on CSI

Luo Yongzhan1，2，Luo Jian1，2，Bao Jiaqian2，Wang Yike2，Zhang Shiqing2，Lou Liangliang2

1.Maide Medical Industrial Equipment Co.， Ltd.；2.Institute of Intelligent Information Processing， Taizhou University

Abstract： Existing fire detection technologies mostly rely on smoke sensors or cameras, which are not only costly in terms of deployment and maintenance, but also face problems such as privacy leakage and limited recognition range, especially difficult to cover non-line-of-sight (NLoS) areas. In addition, traditional methods are generally unable to determine whether there are trapped people in the fire area, making it difficult to provide effective decision support for emergency rescue. To solve the above problems, this paper proposes a human-fire detection method based on channel state information (CSI), which uses the wall penetration and attenuation characteristics of Wi-Fi signals to achieve joint perception of human status and fire conditions in complex indoor environments. A subcarrier weighted fusion algorithm is proposed to compress high-dimensional CSI data, and a double-layer gated recurrent unit (GRU) network is constructed to extract time series features to achieve accurate recognition of human activities and fire status. Experimental results show that the accuracy of this method in detecting whether a fire has occurred and whether there are people to be rescued in a fire environment in non-line-of-sight scenarios is 94.93% and 94.53%, respectively. In addition, the experimental dataset developed in this paper has been made public for further exploration by relevant researchers. The dataset can be obtained at https://github.com/T-bjq/Wi-HFC-dataset.

Key words : human-fire detection；wireless sensing；channel state information；GRU network；subcarrier fusion

引言

火灾严重威胁公共安全，及时准确地检测火灾对于保护生命和财产安全至关重要[1-3]。随着物联网（Internet of Things, IoT）和无线感知技术的快速发展，基于无线信号的环境感知方法在智能安防、灾害预警和人机交互等领域展现出广泛应用前景。传统的火灾检测方法主要依赖视觉监控、红外传感器或烟雾报警器等方式，受限于视线遮挡、安装成本高、环境适应性差等问题，难以在复杂或动态环境中实现稳定、低成本的部署[4-5]。此外现代家庭空间布局复杂，传统烟雾探测器和摄像头监测区域无法穿透墙壁，故家庭火灾难以被相邻公寓居民所感知，尤其在夜间处于休眠状态下的居民，经常因相邻公寓火灾蔓延而错失最佳逃生窗口期，进而引发严重后果。如2024年2月23日凌晨南京发生了一起高层火灾，休息中的居民因缺失相邻公寓火灾非视距预警技术支撑，最后造成15人遇难42人受伤严重事故。

近年来，Wi-Fi网络遍布城市办公与住宅空间，而其穿墙能力确保相邻空间网络得到有效覆盖。从Wi-Fi信号中抽取的CSI数据，作为一种细粒度无线信道传播特性表征参数，因其可反映环境中微小动态变化而受到研究者广泛关注[6-9]。CSI 在检测非视距空间内的人体运动、姿态变化以及呼吸频率等方面已有大量研究成果，但将其同时用于人火识别仍属探索阶段[10-12]。针对实际场景中火灾往往伴随人员活动的特点，构建一个能够准确识别人类活动与火焰信号状态的模型，对提升安全响应效率具有重要意义。

为此，本文提出了一种基于CSI特征的人火检测方法，利用子载波融合算法压缩高维CSI数据，并结合双层GRU网络提取时序特征，实现对不同场景中人类与火灾状态的准确识别。通过引入数据增强、池化策略对比和结构消融实验，评估了模型在多种场景下的鲁棒性与适应性。实验结果表明，所提方法在多个复杂环境中均表现出较高的识别准确率，具有良好的工程应用潜力。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000007108

作者信息：

罗永战1，2，罗坚1，2，保佳钱2，王忆轲2，张石清2，楼亮亮2

（1.迈得医疗工业设备股份有限公司，浙江台州 318000；

2.台州学院智能信息处理研究所，浙江台州 318000）

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容