[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

说明书

本发明公开了基于信任度加权的K秩准则多链路数据融合算法，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；通过设计了本申请，利用K秩准则算法融合来自多个链路的数据，使得不同链路上的CSI变化之间具有相关性，从而提升所有链路的CSI进行人体行为识别以提高识别准确度。

技术领域

本发明属于人体行为识别技术领域，具体涉及基于信任度加权的K秩准则多链路数据融合算法。

背景技术

K秩准则被广泛应用于无线电频谱感知，其中心思想为大数准则，在某一个感知空间中，当相同外环境中有N个相同的感知节点相互独立的进行感知时，若某一感知结果D的数目超过K，则判定感知最终结果为D。

人体行为可以使用单个WiFi链路进行识别，尽管在发射机与接收机之间存在多个WiFi链路。然而，在基于单链路的识别中存在两个限制。首先，信号的传播受多径效应的影响，获得的CSI是由不同人体部分通过不同路径反射的信号组合。在这种复杂的多径条件下，特定的WiFi链路可能由于人类活动而不会表现出CSI信号的明显变化。图1-3显示了3个不同链路的CSI值，可以观察到，3个链路的波形具有很大的差异性，链路C提供最佳的CSI信号，而链路A的CSI信号变化幅度较大；其次，不同链路对同一运动的敏感程度不同，如链路B和链路C，尽管CSI的变化模式相似，但是CSI的变化具有不同的幅度和频率，即不同链路上的CSI变化之间几乎没有相关性，为此我们提出基于信任度加权的K秩准则多链路数据融合算法。

发明内容

本发明的目的在于提供基于信任度加权的K秩准则多链路数据融合算法，以解决上述背景技术中提出没有相关性的问题。

为实现上述目的，本发明提供如下技术方案：基于信任度加权的K秩准则多链路数据融合算法，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。

优选的，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。