【技术实现步骤摘要】
面向WiFi活动识别的信号特征提取方法
本专利技术属于无线感知
，涉及一种面向Wi-Fi活动识别的信号特征提取方法，鲁棒性好，精简有效。
技术介绍
活动信息在智能家居、安防监控、老幼监护、身份认证等一系列人机交互服务中发挥重要作用。迄今为止，大部分的用户活动识别系统要求目标人员佩戴可穿戴设备(如手机、运动手表等)或是提前在目标区域布设感知设备(如摄像头、无线传感器网络等)。前者全天候的佩戴要求导致用户“不一定愿意佩戴、不一定方便佩戴以及不一定记得佩戴”。后者需要额外购置硬件，不利于全场景的推广。其中，基于摄像头的识别技术仅能在光照的视距路径条件下工作，且涉及隐私泄露的问题；无线传感器网络则需要大规模部署节点。近年来，无线通信领域在基于Wi-Fi信号的活动识别上取得突破，如CARM、Wifi-ID、FallDeFi等技术的提出，应用于活动分类、手势识别、身份认证等领域。原理上，这些工作利用了人体活动对无线Wi-Fi信号的干扰现象，对接收到的信号波动特征进行提取。与传统手段不同，基于Wi-Fi信号的无线感知是使能非...
【技术保护点】
1.一种面向Wi-Fi活动识别的信号特征提取方法，其特征在于，包括如下步骤：/n(10)CSI数据采集：在采样时间t内，从Intel 5300网卡的3根接收天线的数据包中获取一组包含k个子载波的CSI幅值信息A
【技术特征摘要】
1.一种面向Wi-Fi活动识别的信号特征提取方法，其特征在于，包括如下步骤：
(10)CSI数据采集：在采样时间t内，从Intel5300网卡的3根接收天线的数据包中获取一组包含k个子载波的CSI幅值信息Ak×t。
(20)主成分提取：利用带通滤波对采集到的CSI幅值信号进行预处理，根据相邻子载波的互相关度对活动信号进行分段，对3根天线的信号帧分别进行PCA处理，提取其第一主成分；
(30)信号特征提取：对3根天线的时域主成分信号进行STFT，获得细粒度的活动时频图；将每根天线的主成分信号分割成13个时间块，分别提取8个时域特征和5个频域特征，最后，将3根天线的特征矩阵合并，构成维度为1×39×13的特征矩阵；
(40)信号特征筛选：针对特征样本点Ri，分别寻找类内最近邻点和类间最近邻点，更新每个特征的贡献权值，根据权值评分对特征有效性进行排序，引入互信息来度量特征的冗余性，找到精简有效的特征子集。
2.根据权利要求1所述的信号特征提取方法，其特征在于，所述(10)CSI数据采集步骤包括：
(11)信道状态信息收集：首先从网卡发送的数据包中获得一组包含30个子载波的CSI：
H＝[H1,...,Hk,...,H30]
其中每个分量代表了传输信号对应子载波的幅度和相位，即：
这里，Hk是第k个子载波的CSI，|Hk|表示CSI的幅值，记为Ak，∠Hk表示CSI的相位，记为φk；
(12)幅值信息获取：接收机持续收集CSI并将某个特定时间窗内的t个幅值序列记为：
这t次CSI幅值测量值将作为活动识别算法的基本输入。
3.根据权利要求2所述的信号特征提取方法，其特征在于，所述(20)主成分提取步骤包括：
(21)带通滤波：采用巴特沃兹滤波器对原始CSI幅值进行带通滤波，将上限截止频率设为80赫兹，下限截止频率设为0.5赫兹，从而确保目标频段内的人体活动信息得以保留，以剔除非目标频段噪声；
(22)信号分段：通过计算相邻5个子载波的互相关系数来判断人体是否进行活动，阈值设为0.8，如果阈值大于0.8，则判断人体进行活动，对当前时间段内的信号进行保留；如果阈值小于0.8，则表明当前环境无人运动；
(23)主成分分析：对每根天线采集到的幅值信息分别进行PCA处理，提取第一主成分。
4.根据权利要求3所述的信号特征提取方法，其特征在于，所述(30)信号特征提取步骤包括：
(31)短时傅里叶变换：分别对三根天线的第一主成分进行STFT，以获得频域的信号特征，其中，窗宽设置为采样率的1/2；
(32)时频特征提取：将每根天线的第一主成分信号分割成13个时间块，分别从中提取8个时域...
【专利技术属性】
技术研发人员：周启臻，邢建春，杨启亮，王平，谢立强，
申请(专利权)人：中国人民解放军陆军工程大学，
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。