[发明专利]面向WiFi活动识别的信号特征提取方法

权利要求书

1.一种面向Wi-Fi活动识别的信号特征提取方法，其特征在于，包括如下步骤：

(10)CSI数据采集：在采样时间t内，从Intel 5300网卡的3根接收天线的数据包中获取一组包含k个子载波的CSI幅值信息A_k×t；

(20)主成分提取：利用带通滤波对采集到的CSI幅值信号进行预处理，根据相邻子载波的互相关度对活动信号进行分段，对3根天线的信号帧分别进行PCA处理，提取其第一主成分；

(30)信号特征提取：对3根天线的时域主成分信号进行STFT，获得细粒度的活动时频图；将每根天线的主成分信号分割成13个时间块，分别提取8个时域特征和5个频域特征，最后，将3根天线的特征矩阵合并，构成维度为1×39×13的特征矩阵；

(40)信号特征筛选：针对特征样本点R_i，分别寻找类内最近邻点和类间最近邻点，更新每个特征的贡献权值，根据权值评分对特征有效性进行排序，引入互信息来度量特征的冗余性，找到精简有效的特征子集；

所述(40)信号特征筛选步骤包括：

(41)输入参数：训练集J，取样次数m，最近邻数k,阈值σ，初始化权值向量W、存储集合变量S_t和S_f，评价指标θ，其中，θ定义如下：

I(A_i,A_j)＝E(A_i)+E(A_j)-E(A_i,A_j)

其中，Red(S)表示特征集合S的冗余度，E(A_i)、E(A_j)分别为特征项A中第i个和第j个的信息熵，I(A_i,A_j)表示特征项A中第i个和第j个的互信息，|S|表示特征集合S中包含的特征数量；

(42)随机挑选样本：在J中随机选择样本点R_i；

(43)寻找最近邻样本：对于每个C_H∈class(R_i)，分别找到与R_i同类的k个最近邻样本H(C_H)；对于每个分别找到与R_i不同类的k个最近邻样本M(C_H)；

(44)更新贡献权值：计算特征A的权值贡献W：

W(A)＝W(A)-D[H(C_H)]+D[M(C_M)],

其中:

D[H(C_H)]和D[M(C_M)]分别表示样本R_i与同类最近邻点和不同类最近邻点的平均距离；H_j(C_H)和M_j(C_M)分别表示第C_H与第C_M类的第j个最近邻点；P(C_H)和P(C_M)分别表示样本落入第C_H与第C_M类的概率；

(45)输出权重向量：根据步骤(44)获得权重向量W；

(46)删除评分较低特征：根据阈值σ得到特征集S，当特征集S中的特征数量大于0时，按照后向顺序依次删除评分最末的特征：S_t＝S-A_i，执行步骤(47)；

(47)比较冗余程度：当删除评分最末的特征A_i后，只有评分提高大于提高阈值才能直接输出当前特征集合，即θ(S_t)-θ(S)σ时，S_f＝S_t；如果是评分只有略微提高，即θ(S_t)-θ(S)0，则将当前循环部分的子集S_t和θ(S_t)记录下来，令S＝S_t；若评分下降，则令S＝S_t；当特征集S中的特征数量等于0时，开始步骤(48)；

(48)比较特征集合评分：找出所有的记录中使得函数f＝argmaxθ(S_t)的S_t，把S_t存入集合S_f中；

(49)输出特征集合：输出S_f，结合特征集合的规模和有效性，对最终的集合进行挑选。