[发明专利]一种基于多天线WLAN的PM2.5污染检测方法

说明书

一种基于多天线WLAN的PM2.5污染检测方法，整个检测方法分为训练阶段和测试阶段，分别采集室内环境不同PM2.5浓度时的CSI数据，在数据预处理后取统计特征作为机器学习的特征，利用机器学习算法对其进行分类检测。为了进一步提高检测的准确率，采取综合不同天线对上的CSI幅度和相位信息的方法，来得到最终的PM2.5污染检测。本发明能够以很低的成本有效实现对室内PM2.5的检测，具有一定的应用价值。

技术领域

本发明涉及无线感知技术领域和信号处理技术，尤其涉及基于多天线WLAN的PM2.5污染检测方法，适用于复杂环境下的室内健康安全系统。

背景技术

细颗粒物指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。其含量浓度越高，就代表空气污染越严重。对人体健康和大气环境影响越大。

在众多环境感知领域的研究方向中，室内PM2.5污染检测仍然是一个尚未涉及的领域，只要能检测出室内PM2.5的污染情况，就能及时采取相关措施，为人体的健康做出保障，这在室内空气环保、大气污染和人体健康等领域都有着重要的研究意义和价值。

发明内容

为了克服现有PM2.5污染检测方法的准确性较差的不足，本发明提供一种准确性较好的基于多天线WLAN的PM2.5污染检测方法。

为了解决上述技术问题，本发明提供如下的技术方案：

一种基于多天线WLAN的PM2.5污染检测方法，包括以下步骤：

步骤1：配置无线局域网；

步骤2：在发射端采用多个子载波对原始数据进行正交调制；

步骤3：估计每个子载波的信道状态信息，在接收端接收到OFDM的信道状态信息矩阵CSI matrix：

其中，CSI_i，j为第i根天线上第j个子载波的信道信息值；

步骤4：利用子载波对称性对所有子载波上的CSI相位数据进行线性变换；

步骤5：采用拉依达准则去处理异常点，将采集到的数据的每个子载波值分别与其他数据样本的子载波均值做差值，如果差值是大于标准差的3倍，那么认为该样本值为异常值，就用均值代替该异常值；

步骤6：采用加权移动平均滤波器进行平滑滤波处理；

步骤7：利用处理后的数据提取特征，包括1到30个子载波的最大值MAX、最小值MIN、平均值MEAN、标准差STD、中位数绝对偏差MAD、偏度SKEW和峰度KUR；

步骤8：采取归一化的方法处理数据特征；

步骤9：对幅度信息重复步骤5和6；

步骤10：将幅度和相位信息结合在一起，重复步骤7；

步骤11：对测试数据的每个数据样本用机器学习算法进行检测，测试其分类精确度并进行污染分类；

步骤12：记录分类结果。

进一步，所述步骤4中，利用子载波对称性对所有子载波上的CSI相位数据进行线性变换中，线性变化方法如下：

其中，是实际测量的相位，φ_i是真实的相位，k_i表示子载波的序号。

更进一步，所述步骤5中，拉依达准则实现方法如下：