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ProceedingsofACMInternationalJointCon ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。