【技术实现步骤摘要】
基于信任度加权的K秩准则多链路数据融合算法
本专利技术属于人体行为识别
，具体涉及基于信任度加权的K秩准则多链路数据融合算法。
技术介绍
K秩准则被广泛应用于无线电频谱感知，其中心思想为大数准则，在某一个感知空间中，当相同外环境中有N个相同的感知节点相互独立的进行感知时，若某一感知结果D的数目超过K，则判定感知最终结果为D。人体行为可以使用单个WiFi链路进行识别，尽管在发射机与接收机之间存在多个WiFi链路。然而，在基于单链路的识别中存在两个限制。首先，信号的传播受多径效应的影响，获得的CSI是由不同人体部分通过不同路径反射的信号组合。在这种复杂的多径条件下，特定的WiFi链路可能由于人类活动而不会表现出CSI信号的明显变化。图1-3显示了3个不同链路的CSI值，可以观察到，3个链路的波形具有很大的差异性，链路C提供最佳的CSI信号，而链路A的CSI信号变化幅度较大；其次，不同链路对同一运动的敏感程度不同，如链路B和链路C，尽管CSI的变化模式相似，但是CSI的变化具有不同的幅度和频率，即不同链路上的CSI变...
【技术保护点】
1.基于信任度加权的K秩准则多链路数据融合算法，其特征在于，如下步骤：/nA)、信任度向量初始化：设发送机与接收机之间共有n条WiFi链路，这些链路的信任度向量初始化为ω＝{ω
【技术特征摘要】
1.基于信任度加权的K秩准则多链路数据融合算法，其特征在于，如下步骤：
A)、信任度向量初始化：设发送机与接收机之间共有n条WiFi链路，这些链路的信任度向量初始化为ω＝{ωt＝0|t＝1,2,…,n}；
B)、训练模型：设训练数据集为S，包含的样本数量为M，提取训练数据集S中所有样本的第t条WiFi链路的特征，得到集合S'，采用交叉验证思想对模型进行训练
通过以上过程，获得信任度向量ω和各条WiFi链路对应的分类器模型{model1,model2,…,modeln}；
C)、在线识别：通过对采集到的新数据进行特征提取，然后将各个链路上的数据输入到对应的分类器模型中进行行为判决，得到n个判决结果{r1,r2,…,rn}
D)、数据融合算法：设行走、跑步、摔倒、坐下分别对应序号1，2，3，4，通过等式(7)计算i行为的加权和<...
【专利技术属性】
技术研发人员：李新春，牛震亮，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21
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。