基于无线信道状态信息的坐姿时长检测方法技术

本发明专利技术采用一种基于无线信道状态信息的坐姿时长检测方法，包括：将被监测区域按有、无人员处于坐姿状态分为两种情况，分别采集这两种情况下的信道状态信息幅度数据；对采集到的数据首先去除离群值，然后基于小波变换实现低通滤波，接着利用主成分分析（PCA）算法降低数据维度，最后计算第二、三、四主成分的方差值作为SVM训练的样本；利用样本训练得出基于SVM的分类模型；实时采集信道状态信息，根据分类模型对被监测区域是否有人员处于坐姿状态进行判别，如果有人员在被监测区域内保持坐姿，则记录保持坐姿的时长。本发明专利技术实现了无线网络信道状态信息数据和支持向量机技术的结合，与现有技术相比，提高了坐姿状态判别的准确率。

Sitting Posture Time Detection Method Based on Wireless Channel State Information

The invention adopts a sitting position detection method based on wireless channel state information, which includes: dividing the monitored area into two situations according to the sitting position of existing and unattended persons, collecting channel state information amplitude data in these two cases respectively; removing outliers from the collected data first, realizing low-pass filtering based on wavelet transform, and then utilizing principal component analysis. (PCA) algorithm reduces the data dimension, and finally calculates the variance of the second, third and fourth principal components as the samples of SVM training; gets the classification model based on SVM by sample training; collects the channel state information in real time, and judges whether there are people sitting in the monitored area according to the classification model, and records if there are people sitting in the monitored area. The length of the sitting position. The invention realizes the combination of wireless network channel state information data and support vector machine technology, and improves the accuracy of sitting state discrimination compared with the existing technology.

【技术实现步骤摘要】
基于无线信道状态信息的坐姿时长检测方法
本专利技术涉及室内人员的身体姿态判断和支持向量机
，特别涉及一种基于无线信道状态信息的坐姿时长检测方法。
技术介绍
目前，基于WiFi信号的室内人员感知技术，有着广泛的应用，例如静止状态下的人员检测、室内定位、人员活动识别等。C.Wu等人于2015年在IEEEJournalonSelectedAreasinCommunications上发表的论文“Non-InvasiveDetectionofMovingandStationaryHumanWithWiFi”中提出基于CSI的幅度和相位信息的人员检测系统DeMan，通过检测人员呼吸来判断被监测区域是否有处于静止状态的人员存在，但是该方法并没有考虑到被监测人员的年龄、性别、身材等可能会影响呼吸速率的因素，因此不能够广泛推广和使用。X.Li等人于2016年在ProceedingsofACMInternationalJointConferenceonPervasiveandUbiquitousComputing(UbiComp)上发表的论文“Dynamic-MUSIC:AccurateDevice-freeIndoorLocalization”中提出了基于信号到达角度(AngleOfArrival,AOA)的定位系统MaTrack，通过分析不同子载波的CSI相位变化，计算目标反射信号的方向，从而实现定位，但是当目标处于静止状态时，定位精度就会下降，不能达到预期定位要求。H.Li等人于2016年在ProceedingsofACMInternationalJointConferenceonPervasiveandUbiquitousComputing(UbiComp)上发表的论文“WiFinger:TalktoYourSmartDeviceswithFinger-grainedGesture”中提出了手势识别系统WiFinger，不同的手势动作会产生不同的信道状态信息数据，通过检测信道状态信息数据来完成手势识别，但是该方法能够识别的手势有限，而且识别准确率也不是很高。
技术实现思路
本专利技术的目的旨在提供一种基于无线信道状态信息的坐姿时长检测方法，用于解决室内人员状态判别准确率不高，且易受到无关人员干扰等问题。本专利技术提供一种基于无线信道状态信息的坐姿时长检测方法，包括了：S1、将被监测区域按有、无人员处于坐姿状态分为两种情况，分别采集这两种情况下的信道状态信息幅度数据；S2、对采集到的数据进行处理，得到用于SVM训练的样本，其中处理过程包括：S21、利用hampelidentifier方法去除离群值；S22、基于小波变换实现低通滤波；S23、利用主成分分析(PCA)算法降低数据维度并计算主成分的方差值；S3、利用样本训练得出基于SVM的分类模型；S4、实时采集信道状态信息数据，根据分类模型，对被监测区域是否有人员处于坐姿状态进行判别，如果有人员在被监测区域内保持坐姿，则记录保持坐姿的时长。进一步地，所述步骤S2可以包括：S21、每个采集到的数据包中包含了30个子载波的幅度和相位信息，将每个数据包中的子载波幅度数据提取出来，以300个数据包为一组，构造若干个30*300的矩阵，每一个矩阵经过以下的处理步骤：采集到的数据会受到环境噪声的影响，这些影响会在数据中产生离群值，而离群值会干扰最终的状态识别结果，本专利技术使用hampelidentifier方法去除离群值：首先，将30*300矩阵A进行转置得到矩阵AT，输入AT第一个列向量x1,x2,…xi，其中xi表示第1个子载波的第i个CSI幅度值，设置滑动窗口宽度2k；接着，计算中位数mi，其中mi＝median(xi-k,xi-k+1,…,xi,…,xi+k-1,xi+k)，median(·)为中位数的计算公式，xi表示第i个CSI幅度值；然后，计算标准偏差σi，其中σi＝1.4826×median(|xi-k-mi|,…,|xi+k-mi|)，|xi-mi|表示第i个CSI幅度值与对应的中位数mi的差值|xi+k-mi|表示第i+k个CSI幅度值与对应的中位数mi的差值；最后，根据离群值判决条件|xi-mi|>nσσi来判断xi是否为离群值，其中nσ是阈值，σi为标准偏差，若判决条件成立，则表明xi是离群值，此时用mi代替xi，若判决条件不成立，则表明xi不是离群值，不需要做任何处理，将30个列向量均用hampelidentifier方法处理以后，得到的是300*30的矩阵B。S22、采集到的原始数据中会包含诸如电磁干扰，温湿度变化等带来的高频噪声，为了减少这些噪声干扰，采用基于小波变化的低通滤波法滤除噪声：首先，将带有噪声的输入信号即矩阵B进行转置得到矩阵BT，对BT行向量进行l层小波分解；接着，分别得到每次分解的近似系数(又称为低频分量)和细节系数(又称为高频分量)，对每一层的高频分量，选择阈值进行量化处理，实现滤波功能；最后，根据每一层的高频分量和第l层的低频系数，实现信号重构，当矩阵中所有的行向量均经过滤波以后，得到的是30*300的矩阵C。S23、由于采集的样本中包含了很多数据包的子载波幅度数据，这些数据之间是有着相互关联的，为了减少数据的冗余性，利用PCA算法进行降维：首先，对数据进行初始化，将矩阵C转置，再计算每个列向量的均值，每一列向量中的元素均减去该列向量的均值，得到均值为0的矩阵D；接着，求矩阵D的协方差矩阵和协方差矩阵对应的特征值以及特征向量；然后、将特征值按照从大到小的顺序排列，选出最大的4个，将4个特征值对应的4组特征向量构造成一组变换基，用初始化后的矩阵D乘以变换基即可得到第一至第四主成分，由于第一主成分中包含较多噪声，因此只保留第二、三、四主成分；最后、分别计算三个主成分的方差，将得到的方差作为支持向量机的输入。进一步地，所述步骤S3可以包括：利用支持向量机实现分类，就是在两组样本之间寻找超平面，使得样本可以被分隔开，训练的目的是寻找一个超平面，使得离超平面比较近的点能有更大的间距：首先，根据定义构造优化公式maxg(w,b)，其中g(w,b)表示样本点到超平面的几何距离，其中w超平面的为法向量，b为截距，输入所有的样本数据和对应的标签，有人坐在被监测区域的标签值为“-1”，没人坐在被监测区域的标签值为“1”；接着，转换优化公式，并引入限制条件；然后，构造拉格朗日函数L(w,b,α)，其中L(·)为拉格朗日函数，w超平面的为法向量，b为截距，α为拉格朗日乘子，且α≥0，分别对w,b求偏导，带入转换以后的优化公式，求解得出α最优解α*；再接着，根据拉格朗日乘子最优解α*，解出超平面法向量w的最优解w*和截距b的最优解b*；最后，得出分类平面w*·x+b*＝0，其中x为输入样本，w*为法向量的最优解，b*为截距的最优解，以及分类模型决策函数f(x)＝sgn(w*·x+b*)，其中sgn(·)为符号函数。进一步地，所述步骤S4可以包括：实时采集信道状态信息幅度数据，按照步骤S2所描述的过程进行处理，得到3个方差值，根据训练得出的SVM分类模型，判断当前被监测位置是否有人员处于坐姿状态，当模型的输出值为“-1”时，表明当前被监测位置有人员保本文档来自技高网...

【技术保护点】
1.一种基于无线信道状态信息的坐姿时长检测方法，其特征在于，包括：S1、将被监测区域按有、无人员处于坐姿状态分为两种情况，分别采集这两种情况下的信道状态信息幅度数据；S2、对采集到的数据进行处理，得到用于支持向量机(SVM)训练的样本，其中处理过程包括：S21、利用hampel identifier方法去除离群值；S22、基于小波变换实现低通滤波；S23、利用主成分分析(PCA)算法降低数据维度并计算主成分的方差值；S3、利用样本训练得出基于支持向量机的分类模型；S4、实时采集信道状态信息数据，根据分类模型，对被监测区域是否有人员处于坐姿状态进行判别，如果有人员在被监测区域内保持坐姿，则记录保持坐姿的时长。

【技术特征摘要】
1.一种基于无线信道状态信息的坐姿时长检测方法，其特征在于，包括：S1、将被监测区域按有、无人员处于坐姿状态分为两种情况，分别采集这两种情况下的信道状态信息幅度数据；S2、对采集到的数据进行处理，得到用于支持向量机(SVM)训练的样本，其中处理过程包括：S21、利用hampelidentifier方法去除离群值；S22、基于小波变换实现低通滤波；S23、利用主成分分析(PCA)算法降低数据维度并计算主成分的方差值；S3、利用样本训练得出基于支持向量机的分类模型；S4、实时采集信道状态信息数据，根据分类模型，对被监测区域是否有人员处于坐姿状态进行判别，如果有人员在被监测区域内保持坐姿，则记录保持坐姿的时长。2.如权利要求1所述的基于无线信道状态信息的坐姿时长检测方法，其特征在于所述步骤S21进一步包括：每个采集到的数据包中包含了30个子载波的幅度和相位信息，将每个数据包中的子载波幅度数据提取出来，以300个数据包为一组，构造若干个30*300的矩阵，每一个矩阵经过以下的处理步骤，采集到的数据会受到环境噪声的影响，这些影响会在数据中产生离群值，而离群值会干扰最终的状态识别结果，本发明使用hampelidentifier方法去除离群值：首先，将30*300矩阵A进行转置得到矩阵AT，输入AT第一个列向量x1,x2,…xi，其中xi表示第1个子载波的第i个信道状态信息(CSI)幅度值，设置滑动窗口宽度2k；接着，计算中位数mi，其中mi＝median(xi-k,xi-k+1,…,xi,…,xi+k-1,xi+k)，median(·)为中位数的计算公式，xi表示第i个CSI幅度值；然后，计算标准偏差σi，其中σi＝1.4826×median(|xi-k-mi|,…,|xi+k-mi|)，|xi-k-mi|表示第i-k个CSI幅度值与对应的中位数mi的差值，|xi+k-mi|表示第i+k个CSI幅度值与对应的中位数mi的差值；最后，根据离群值判决条件|xi-mi|>nσσi来判断xi是否为离群值，其中nσ是阈值，σi为标准偏差，若判决条件成立，则表明xi是离群值，此时用mi代替xi，若判决条件不成立，则表明xi不是离群值，不需要做任何处理，将30个列向量均用hampelidentifier方法处理以后，得到的是300*30的矩阵B。3.如权利要求1所述的基于无线信道状态信息的坐姿时长检测方法，其特征在于，所述步骤S22进一步包括：采集到的原始数据中会包含诸如电磁干扰，温湿度变化等带来的高频噪声，为了减少这些噪声干扰，采用基于小波变化的低通滤波法滤除噪声：首先，将带有噪声的输入信号即矩阵B进行转置得到矩阵BT，对BT行向量进行l层小波分解；接着，分别得到每次分解的近似系数(又称为低频分量)...

【专利技术属性】
技术研发人员：桂林卿，何博，王盛阳，束锋，肖甫，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32