[发明专利]一种基于子空间分类器的人体行为识别方法

权利要求书

1.基于子空间分类器的人体行为识别方法，其特征在于，包括以下步骤：

步骤一、利用主成分分析法，将CSI信号降维到p维；

步骤二、通过q层小波变换提取信号时频特性，对H_r进行q层离散小波变换，H_r为降维到p维的行为特征，得到每个行为的时频特性矩阵H_W，这是一个p×(q+1)行T列的矩阵；

步骤三、提取各个行为的统计特征，包括：均值、标准差、四分位距、50％累积概率下分位数、68.3％累积概率下分位数、95％累积概率下分位数；

步骤四、通过z-score标准化方法，将行为的各个特征变换到同一个尺度下；

步骤五、设置子空间分类器数量c和子空间维度y；

步骤六、将所有特征分成p×(q+1)组，每一组表示某一个主成分的某一个频率分量的6种统计量；

步骤七、初始化已构建子空间分类器数量j＝0；

步骤八、初始化备选特征集合U＝[1,2,…,y]，统计量编号，i＝1，已选特征集合

步骤九、令第i种统计量的抽选集合抽选次数time＝0；

步骤十、随机从U中抽取一个数z，计算z′＝mod(z,p×(q+1))+1；

步骤十一、若进入步骤十二，否则进入步骤十；

步骤十二、将z′组的第i个特征添加进S_j，z′添加进S_i′，z从U中删除，time＝time+1；

步骤十三、若进入步骤十四，否则回到步骤十；

步骤十四、i＝i+1；

步骤十五、若i≤6，回到步骤九，否则进入步骤十六；

步骤十六、利用S_j对训练数据特征进行抽取，结合SVM建立分类器，得到分类器模型model_j；

步骤十七、j＝j+1；

步骤十八、若j＜c，进入步骤八，否则进入步骤十九；

步骤十九、利用步骤一到步骤四的方法提取在线数据的特征；

步骤二十、利用分类器模型{model₁,model₂,...,model_c}和SVM原理对在线数据特征进行判决，得到c个分类结果；

步骤二十一、对这c个分类结果进行统计，输出出现最多的行为。

2.根据权利要求1所述的基于子空间分类器的人体行为识别方法，其特征在于，所述步骤一中：

假设某个行为原始数据可表示为：

其中，f_i表示第i(i＝1,2,…,30)个子载波的频率，|H(f_i,1)|表示第i个子载波的信道状态信息的幅值，T表示该行为持续时间为T，首先将矩阵中心化：

然后求H_c的协方差矩阵C：

对C进行特征值分解：

λ_iv_i＝Cv_i(i＝1,…,30)

这里和v_i分别表示C的特征值以及该特征值对应的特征向量，且：λ₁≥λ₂≥…≥λ₃₀，取p＝3，V＝[v₂,v₃,v₄]，

H_r＝V^T×H

H_r即为降维到p维的行为特征，它是一个p行T列的矩阵。