【技术实现步骤摘要】
本专利技术涉及活动数据分割，尤其涉及基于移动方差自适应阈值的混合活动数据分割方法及系统。
技术介绍
1、人体活动识别具有广泛的现实世界应用领域，如智能家居、医疗保健服务、健身跟踪等。在众多人体活动识别技术中，由于通感一体化活动识别方法具有非侵入性、应用方便、识别准确等优点，一直备受人们的关注。通感一体化活动识别主要是利用射频设备在空间中进行通信的同时所发出的载波信号感知室内空间的变化。常见的通感一体化技术主要有雷达、射频标签、无线路由。通过结合人工智能算法，这些通感一体化技术的展现了良好的人体活动识别性能。在众多的通感一体化技术中，wifi作为一种无处不在的通信技术被广泛研究和应用。wifi利用其广播的信道状态信息(csi)来感知空间中的变化，csi具有更高的细粒度，从而可以感知更加丰富的人体活动，如呼吸、心跳、行走、跳跃、摔倒等；
2、对于基于wifi的活动识别，一些研究提出了活动分割算法，而另一些研究则假设活动已经被分割，并且只关注活动识别。实际上，为了有效、准确地对活动进行分类，现有的工作通常首先识别活动边界并分割活动数据，然后进行活动分类。实现这种分割的方法主要有两种，分别是基于阈值的方法和基于变化点检测法，对于基于阈值的方法是通过对基于csi的活动识别的研究一般采用阈值来检测活动的起始点和终点，并提取活动数据，对于基于变化点检测法是指可以通过观察时间序列的属性变化来发现数据突变的时间点，活动可以根据这些变化点进行分割，但是，由于csi振幅之间的巨大差异，很难寻找混合活动的最佳阈值。人工寻找合适的去噪策略和最
技术实现思路
1、为了解决上述技术问题，本专利技术的目的是提供基于移动方差自适应阈值的混合活动数据分割方法及系统，通过移动方差自适应阈值算法能够准确识别不同活动的开始点和结束点，提高活动数据的分割精度。
2、本专利技术所采用的第一技术方案是：基于移动方差自适应阈值的混合活动数据分割方法，包括以下步骤：
3、获取csi数据并进行数据预处理，构建预处理后的csi矩阵；
4、对所述预处理后的csi矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值；
5、通过移动方差自适应阈值算法对多个所述平滑后的滑动窗口线性差值进行分割处理，得到分割后的csi数据。
6、进一步，所述获取csi数据并进行数据预处理，构建预处理后的csi矩阵这一步骤，其具体包括：
7、基于csi信号的混合活动数据采集系统，采集所述csi数据；
8、通过一维线性插值算法对所述csi数据进行缺失值补充处理，得到插值后的csi数据；
9、通过中值滤波器对所述插值后的csi数据进行滤波处理，得到滤波后的csi数据；
10、基于改进的pca子载波选择算法对所述滤波后的csi数据进行提取处理，构建所述预处理后的csi矩阵。
11、进一步，所述基于改进的pca子载波选择算法对所述滤波后的csi数据进行提取处理，构建所述预处理后的csi矩阵这一步骤，其具体包括：
12、对所述滤波后的csi数据进行转置处理，构建转置csi矩阵；
13、对所述转置csi矩阵进行均值化处理，得到均值化后的csi矩阵；
14、基于所述均值化后的csi矩阵，进行相关估计，得到相关系数矩阵；
15、对所述相关系数矩阵进行特征分解，得到特征值和特征向量，所述特征值用于求解贡献率和累计贡献率，所述特征向量用于求出主成分；
16、选取所述累计贡献率大于80％对应的所述特征值，得到选取后的特征值；
17、选择所述选取后的特征值的前m个成分构建主成分，并将第i个主成分与其对应的特征值相乘，重构运动信息矩阵，得到预处理后的csi矩阵。
18、进一步，所述对所述预处理后的csi矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值这一步骤，其具体包括：
19、通过滑动窗口方差计算公式对所述预处理后的csi矩阵进行方差计算处理，得到多个滑动窗口方差值；
20、将所述多个滑动窗口方差值进行相加，得到滑动窗口方差总和；
21、对所述滑动窗口方差总和进行线性差计算处理，得到多个滑动窗口方差的线性差值；
22、通过中值滤波器对所述多个滑动窗口方差的线性差值进行平滑处理，得到多个平滑后的滑动窗口线性差值。
23、进一步，所述滑动窗口方差计算公式的具体如下所示：
24、
25、上式中，cvar[t]表示第t个滑动窗口方差值，win表示窗口大小，被设置为fs/20，fs表示数据包传输速率，t表示第t个窗口时刻，i表示窗口内的第i个，offset表示移动步长，设置为1，c[i]表示窗口时间内的第i个csi振幅值。
26、进一步，所述通过移动方差自适应阈值算法对多个所述平滑后的滑动窗口线性差值进行分割处理，得到分割后的csi数据这一步骤，其具体包括：
27、构建初始阈值分割条件并引入判断系数；
28、将所述初始阈值分割条件与所述判断系数进行相乘计算处理，得到初始方差分割阈值；
29、对所述平滑后的滑动窗口线性差值与所述初始方差分割阈值进行判断，得到判断结果；
30、根据所述判断结果设定滑动窗口线性差值时间起始节点；
31、根据所述判断结果设定滑动窗口线性差值时间终止节点；
32、整合所述滑动窗口线性差值时间起始节点和所述滑动窗口线性差值时间终止节点，得到分割后的csi数据。
33、进一步，所述初始阈值分割条件的表达式具体如下所示：
34、
35、上式中，γ0表示初始阈值分割条件，cmedian[i]表示平滑处理后的csi数据。
36、进一步，所述根据所述判断结果设定滑动窗口线性差值时间起始节点这一步骤，其具体包括：
37、若判断到所述平滑后的滑动窗口线性差值大于所述初始方差分割阈值，表示存在csi数据，则将对应的时间记录为csi数据的开始时刻；
38、若连续移动两个窗口，平滑后的活动窗口线性差值均小于初始方差分割阈值，则通过起始点方差阈值公式更新阈值，判断csi数据的开始时刻；
39、整合上述csi数据的开始时刻本文档来自技高网...
【技术保护点】
1.基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述获取CSI数据并进行数据预处理，得到预处理后的CSI矩阵这一步骤，其具体包括：
3.根据权利要求2所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述基于改进的PCA子载波选择算法对所述滤波后的CSI数据进行提取处理，得到预处理后的CSI矩阵这一步骤，其具体包括：
4.根据权利要求1所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述对所述预处理后的CSI矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值这一步骤，其具体包括：
5.根据权利要求4所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述滑动窗口方差计算公式的具体如下所示：
6.根据权利要求1所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述通过移动方差自适应阈值算法对多个所述平滑后的滑动窗口线性差值进行分割处理，
7.根据权利要求6所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述初始阈值分割条件的表达式具体如下所示：
8.根据权利要求6所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，
9.根据权利要求6所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，
10.基于移动方差自适应阈值的混合活动数据分割系统，其特征在于，包括以下模块：
...【技术特征摘要】
1.基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述获取csi数据并进行数据预处理，得到预处理后的csi矩阵这一步骤，其具体包括：
3.根据权利要求2所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述基于改进的pca子载波选择算法对所述滤波后的csi数据进行提取处理，得到预处理后的csi矩阵这一步骤，其具体包括：
4.根据权利要求1所述基于移动方差自适应阈值的混合活动数据分割方法，其特征在于，所述对所述预处理后的csi矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值这一步骤，其具体包括：
5.根据权利要求4所述基于...
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。