[发明专利]一种用于WiFi人体行为识别中的跳变现象纠正方法

权利要求书

1.一种用于WiFi人体行为识别中的跳变现象纠正方法，其特征是，包括如下步骤：

1)识别跳变点：针对接收到的长度为L的一组CSI数据{CSI₁,CSI₂,...,CSI_N}，L为1≤L≤N，计算所有相邻CSI数据帧之间的皮尔森相关系数，第i号CSI数据帧CSI_i与第i-1号CSI数据帧CSI_i-1的皮尔森相关系数计算如公式(1)：

其中，为第i号CSI数据帧CSI_i的平均值，为第i号CSI数据帧CSI_i的标准差，如果的值小于0，则跳变点发生在第m号CSI数据帧处，m为正常数据段的长度范围为1≤L₁≤m-1，异常数据段的长度范围为m≤L₂≤N，正常数据段为{CSI₁,CSI₂,...,CSI_m-1}，异常数据段为{CSI_m,CSI_m+1,...,CSI_N}，表示向上取整运算；

2)求得最优的起始替换位置s，s为1≤s≤2m-N-1、分段段数n和具体的分段点{x₁,x₂,...,x_n-1}：外层Switch-Mode萤火虫算法的自变量为替换数据段的起始位置s、分段段数n和具体的分段点{x₁,x₂,...,x_n-1}，采用迭代遍历每一组自变量的取值获取，即在每一次迭代中，首先基于当前的起始替换位置s求得替换数据段{CSI_s,CSI_s+1,...,CSI_s+N-m}用于替换异常数据段{CSI_m,CSI_m+1,...,CSI_N}，然后根据分段段数n，使用内层Switch-Mode萤火虫算法求得最优的具体分段点{x₁,x₂,...,x_n-1}，使得纠正后的一组CSI数据分段划分后的各个数据段之间相似性的平均值最大，同时，将内层Switch-Mode萤火虫算法的最优目标函数值作为外层Switch-Mode萤火虫算法当前迭代的目标函数值，最后，完成外层Switch-Mode萤火虫算法当前迭代的剩余操作后，继续下一次迭代，如果外层Switch-Mode萤火虫算法迭代已经完成，则根据最优替换数据段的起始位置s、分段段数n和具体的分段点{x₁,x₂,...,x_n-1}，得到纠正后的一组CSI数据{CSI₁,CSI₂,...,CSI_N}；

3)求得最优分段结果{x₁,x₂,...,x_n-1}：内层Switch-Mode萤火虫算法的自变量为具体分段点{x₁,x₂,...,x_n-1}，采用迭代遍历每一组自变量的取值获取，即在每一次迭代中，依据具体分段点将纠正后的一组CSI数据{CSI₁,CSI₂,...,CSI_N}划分为n个CSI数据段然后依据SimCsiData模型计算任意两个CSI数据段之间的相似性最后求得所有相似性结果的平均值同时，将平均值结果作为内层Switch-Mode萤火虫算法当前迭代的目标函数值，最后，完成内层Switch-Mode萤火虫算法当前迭代的剩余操作后，继续下一次迭代，如果内层Switch-Mode萤火虫算法迭代已经完成，则基于得到的最优分段点{x₁,x₂,...,x_n-1}对纠正后的一组CSI数据进行划分，然后依据SimCsiData模型计算任意两个CSI数据段之间的相似性，最后得到纠正后的一组CSI数据分段划分后的各个数据段之间相似性结果的最大平均值；

4)将输入的任意两个CSI数据段和构造成对应的时间序列：设第t个数据帧的56个子载波的值为第i个CSI数据段内总共有M个数据帧，将内的CSI数据按照子载波的序号首尾拼凑起来形成一个时间序列，则该CSI数据段对应的时间序列为

5)获取时间序列对应的多尺度形状信息：采用多尺度离散小波对时间序列进行分解，获取近似系数序列{CA_k-1,...,CA₂,CA₁}，提取每个近似系数的关键点，可以生成关键点序列{MM_k-1,...,MM₂,MM₁}，计算关键点序列中相邻点的相对变化来进行符号化，得到符号化表示序列{S_k-1,...,S₂,S₁}，对符号化表示序列进行编码，求得多尺度形状信息{W_k-1,...,W₂,W₁}；

6)计算任意两个CSI数据段和的相似性结果：定义为第i个CSI数据段对应的多尺度形状信息，计算任意两个CSI数据段的相似性如公式(2)所示：

其中，和为任意两个CSI数据段，和为时间序列X_i和X_i+1的多尺度形状信息，xcom(j)用于记录j尺度上的两个元素是否相等，若相等，则xcom(j)＝1，否则xcom(j)＝0，weight(j)为第j尺度的权重，weight(j)＝5/6^k-j+1。