[发明专利]基于信道状态信息的无源目标分类方法

权利要求书

1.一种基于信道状态信息的无源目标分类方法，其特征在于：该方法包括下列顺序的步骤：

(1)数据收集：

(1a)将一对无线信号收发器部署在监测区域内，在监测区域内固定K个用于识别分类的位置，设置100HZ的发包率；

(1b)每个目标都分别在K个位置上静止站立一段时间S，收集不同目标的信道状态信息H；所述目标为不同身高、体重站立的人；

(2)数据预处理：

(2a)对于每个目标在每个位置收集到的数据取中间稳定状态的4000个数据包，信道状态信息包含幅值和相位两种信息；

(2b)采用连续小波变换对数据进行去噪的预处理；

(3)训练神经网络分类模型：将执行完步骤(2)的数据的60％用作训练集，20％用作验证集，20％用作测试集，采用BP神经网络将训练集的数据用于训练神经网络，得到分类模型；将身高分4个身高段，即150-159cm，160-169cm，170-179cm，180-189cm，收集的数据预处理之后，分别将不同身高段的实验者的数据打上1-4的标签，送入神经网络训练，经反复训练得到网络结构为30-90-4的神经网络模型，以实现对目标进行身高分类；

(4)分类结果：分类模型训练完成之后，将测试集数据送入分类模型中即可得到测试目标的分类；

所述步骤(3)中，采用BP神经网络训练得到分类模型的方法如下：

BP神经网络包括输入层、隐含层和输出层，根据输入的训练集数据和分类要求确定输入层和输出层神经元数目，隐含层神经元数目为输入层神经元数目的两倍或三倍，其中各个层之间的激活函数为sigmoid函数，其表达式如下所示：

对激活函数求一阶导可得：

训练步骤具体如下：

首先，随机初始化权重θ为一个(0,1)范围的向量，维度由前后神经单元的个数决定；

其次，实现前向传播，即对每个输入样本x⁽ⁱ⁾逐层计算激活值a^(l),此处的l为神经网络的层；

隐含层激活值：a⁽²⁾＝f((-θ⁽¹⁾)^Tx⁽ⁱ⁾) (3)

式中，a⁽²⁾为输入样本x⁽ⁱ⁾在隐含层经激活函数之后的激活值；

输出层激活值：a⁽³⁾＝f((θ⁽²⁾)^Ta⁽²⁾)＝h_θ(x⁽ⁱ⁾) (4)

a⁽³⁾，h_θ(x⁽ⁱ⁾)均为输入样本x⁽ⁱ⁾在输出层经激活函数之后的激活值；这里的θ是向量化之后的表达形式，f(·)表示的函数为sigmoid函数；

然后，编写代码通过下式计算代价函数J(θ)；

上式中，m为训练样本的个数，K为输出层的神经单元数，L为神经网络总的层数，S_l为第l层的单元数，λ为正则化参数；为第i个样本在输出层第k个神经元的样本值；

然后，通过误差逆传播算法计算J(θ)的偏导数

使用梯度检测比较用误差逆传播计算的偏导数D_ij^l和用数值估计计算的偏导数numgrad之间的误差：

|D_ij^l-numgrad|ε,ε∈(0,0.01) (6)

最后使用fmincg函数找出使代价函数最小化的θ：

至此，整个神经网络的训练结束。

2.根据权利要求1所述的基于信道状态信息的无源目标分类方法，其特征在于：所述步骤(1a)中无线信号收发器工作在2.4GHZ的ISM频段，所述无线信号收发器包括信号发射器和信号接收器，使用无线路由器做信号发射器，配备无线网卡的笔记本电脑做信号接收器。

3.根据权利要求1所述的基于信道状态信息的无源目标分类方法，其特征在于：所述步骤(1b)中收集信道状态信息时利用OFDM技术将信道划分为具有多个不同中心频率的子载波，子载波的数目为30。

4.根据权利要求1所述的基于信道状态信息的无源目标分类方法，其特征在于：所述无线信号收发器支持IEEE 802.11a/b/g/n无线协议。