1.一种基于无线信号的区域人群密度估计方法，其特征在于，包括以下步骤：S1、利用无线网络接口卡收集区域内无线信号的信道状态信息，选择无线信号信道状态信息子载波，计算任意两个子载波信道状态信息的相位差；对相位差进行预处理，预处理包括利用高通滤波选择无线信号信道状态信息子载波的子集和基于主成分分析去除无线信号噪声；计算去除噪声的无线信号空间谱在固定时间窗口内的方差，确定区域内人群处于安静状态还是小幅运动状态，并估计处于每种状态的持续时间；

S2、根据区域人群处于安静状态或小幅运动状态的持续时间，利用排队理论建立区域内人数与状态持续时间概率密度函数的相关性模型；

S3、采用基于通用无线网络信号的区域人数及密度系统及步骤S2构建的区域内人数与状态持续时间概率密度函数的相关性模型来估计区域内待计数的人群密度；提出区域人群动作的时序信息，利用最大后验概率估计区域人数并计算区域人群密度。

2.根据权利要求1所述基于无线信号的区域人群密度估计方法，其特征在于：步骤S1中区域内人群处于安静状态表示区域内所有人除了呼吸外无其他任何活动，区域内人群处于小幅运动状态表示区域内有人调整坐姿、看手机、拉伸或咳嗽。

3.根据权利要求1所述基于无线信号的区域人群密度估计方法，其特征在于，步骤S1具体包括如下步骤：

S102、对无线网络接口卡收集的子载波信道状态信息，计算任意两个子载波信道状态信息的相位差：

上式中， 表示t时刻第k个子载波上的天线 和天线 之间的相位差，表示 时刻第k个子载波上的天线 的相位， 表示 时刻第k个子载波上的天线 的相位；

S104、设定短时间校准期，该短时间校准期内区域内人群处于安静状态，收集无线信号测量值，计算信噪比：

上式中， 表示第 个子载波上的天线 和天线 的信噪比， 表示t时刻第 个子载波上的天线 和天线 之间的相位差， 是呼吸状态下无线信号的最大带宽，表示无线信号的频率；

采用基于通用无线网络信号的区域人数及密度系统，选取设定数量个信噪比最大的无线信号子载波信道状态信息的相位差数据，将相位差数据进行高通滤波，进一步通过主成分分析提取第一个主成分𝑤 (𝑡 )，𝑤 (𝑡 ) 包含区域内人群的运动信息，噪声数据分布在其余主成分中，将𝑤 (𝑡 )作为包含人群运动信息的关键数据；对相位差数据进行去噪；

S106、计算去除噪声的无线信号空间谱在固定时间窗口内的方差，确定区域内人群处于安静状态还是小幅运动状态，并估计处于每种状态的持续时间：首先通过截止频率为 的高通滤波器过滤频谱主成分信号𝑤 (𝑡 )，经高通滤波器滤波后的信号记为 ， 在安静状态只包含噪声， 在运动状态除包含噪声外还包含人群运动信息；设 表示区域中至少有一个人在动作，而 表示人群全部处于安静状态；在时刻𝜏 ，通过计算 的方差并与预设阈值比较，来判断区域内是否有人动作：

上式中， 表示经高通滤波器滤波后的信号 在时刻𝜏 的方差，是预设阈值，表示噪声的下界；

计算校准期的信号频谱主成分 来确定 ，用呼吸状态下无线信号的最大带宽作为高通滤波器的截止频率；通过截止频率为 的高通滤波器过滤 得到信号，信号 集中在 范围以内；预设阈值 为：上式中， 表示时刻𝜏 滤波后校准期信号的方差。

4.根据权利要求3所述基于无线信号的区域人群密度估计方法，其特征在于，步骤S2具体包括如下步骤：

S202、基于区域内个人小幅运动状态时间，利用排队理论和指数分布建模表示区域内人群的小幅运动状态时间；记人群中第n个人的第i次动作开始时间为 ，第i次小幅运动状态的持续时间记录为 ， 的概率分布函数为 ；记 为第n个人的第i次到第i+1次小幅运动的时间间隔， ，其概率分布函数为 ；小幅运动的时间间隔符合指数分布：

上式中， 是第n个人的平均小幅运动间隔；每个人的平均小幅运动间隔概率分布记作；人群整体的小幅运动间隔记作 ，其指数分布符合下式：上式中， 表示人群整体的动作时间间隔， 是第n个人的平均小幅运动间隔， 是人群的总数量， 是人群整体的动作时间间隔的随机变量；

S204、对区域内人数与处于安静状态和小幅运动状态的概率密度函数分别进行相关性模型建模；

首先定义人群小幅运动状态周期和安静状态周期；人群中至少有一个人处于小幅运动状态的时间段称为小幅运动状态周期，第𝑖 个小幅运动状态周期记为 ；人群中所有人都处于安静状态的时间段为安静状态周期，第𝑖 个安静状态周期记为 ；

将小幅运动状态周期和安静状态周期的到达建模为泊松分布，到达时间呈指数分布；

对于给定N个人的人群，人群安静状态周期的持续时间 遵循如下的概率分布函数：上式中， 为每个人小幅运动状态周期的参数平均值； 表示小幅运动状态周期的持续时间；小幅运动状态周期的持续时间 的概率分布函数如下式：上式中， 表示𝑖 重卷积，用下列公式计算：上式中， 是每个人的小幅运动状态周期时间的累积分布函数，是每个人的小幅运动状态周期时间的概率分布函数； 表示人群小幅运动状态周期的持续时间，表示时间，表示个人小幅运动状态周期的持续时间。

5.根据权利要求4所述基于无线信号的区域人群密度估计方法，其特征在于，步骤S3具体为：

对给定时间t和t时刻之前的小幅运动状态持续时间和安静状态持续时间，采用最大后验概率估计来估计人数𝑁 ：

上式中， 是时刻t之前小幅运动状态周期的持续时间； 是t时刻之前小幅运动状态周期的数量； 是时刻t之前安静状态周期的持续时间；

是t时刻之前安静状态周期的数量； 为t时刻估计的人群数量； 为参数 的概率分 布 ， 为每 个人的 小 幅运 动状 态 周期的 参数 平 均值 ；

表示在小幅运动状态周期和安静状态周期条件下人数为 的概率；

表示在人数为 和参数为 条件下，小幅运动状态周期和安静状态周期发生的概率； 表示人数为 的概率；

估计出区域人数N后，记区域面积为 ，估计出的区域人群密度为 。

6.根据权利要求1所述基于无线信号的区域人群密度估计方法，其特征在于：步骤S3中采用基于通用无线网络信号的区域人数及密度系统来估计区域内待计数的人群密度；基于通用无线网络信号的区域人数及密度系统包括无线网络接入点A, 无线网络接入点B和计数服务器；无线网络接入点A用于发送无线射频信号，无线网络接入点B用于接收无线射频信号。

7.根据权利要求5所述基于无线信号的区域人群密度估计方法，其特征在于：步骤S3中，小幅运动状态周期的持续时间 的概率分布函数 和人数N有关，与人群安静状态周期的持续时间 的概率分布函数 与人数N有关。