[发明专利]基于信任度加权的K秩准则多链路数据融合算法

权利要求书

1.基于信任度加权的K秩准则多链路数据融合算法，其特征在于，如下步骤：

A)、信任度向量初始化：设发送机与接收机之间共有n条WiFi链路，这些链路的信任度向量初始化为ω＝{ω_t＝0|t＝1,2,…,n}；

B)、训练模型：设训练数据集为S，包含的样本数量为M，提取训练数据集S中所有样本的第t条WiFi链路的特征，得到集合S'，采用交叉验证思想对模型进行训练

通过以上过程，获得信任度向量ω和各条WiFi链路对应的分类器模型{model₁,model₂,…,model_n}；

C)、在线识别：通过对采集到的新数据进行特征提取，然后将各个链路上的数据输入到对应的分类器模型中进行行为判决，得到n个判决结果{r₁,r₂,…,r_n}

D)、数据融合算法：设行走、跑步、摔倒、坐下分别对应序号1，2，3，4，通过等式(7)计算i行为的加权和

E)、融合结果判断：通过等式(8)，利用K秩准则进行融合结果判定，K的取值为(n+1)/2。

。

2.根据权利要求1所述的基于信任度加权的K秩准则多链路数据融合算法，其特征在于：所述步骤A中，ω_t为第t条WiFi链路在进行人体行为识别时对应的信任度。

3.根据权利要求1所述的基于信任度加权的K秩准则多链路数据融合算法，其特征在于：所述步骤B中，模型训练具体形式为，去除S'中的第j个样本(j的取值从1至M)，得到集合S”，用SVM对S”训练，得到模型model_t，用训练得到的模型model_t对第j个样本进行判决，如果判决正确，则信任度加1，即ω_t＝ω_t+1。

4.根据权利要求3所述的基于信任度加权的K秩准则多链路数据融合算法，其特征在于：上述过程循环进行，最终对ω_t归一化。