[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有效

专利信息
申请号: 201910420441.X 申请日: 2019-05-20
公开(公告)号: CN110176968B 公开(公告)日: 2021-04-06
发明(设计)人: 邓昀;张庆俊 申请(专利权)人: 桂林理工大学
主分类号: H04B17/309 分类号: H04B17/309;G06N3/00
代理公司: 桂林市华杰专利商标事务所有限责任公司 45112 代理人: 刘梅芳
地址: 541004 广西壮*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种用于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;2)求得最优的起始替换位置s(1≤s≤2m‑N‑1)、分段段数n和具体的分段点{x1,x2,...,xn‑1};3)求得最优分段结果{x1,x2,...,xn‑1};4)将输入的任意两个CSI数据段构造成对应的时间序列;5)获取时间序列对应的多尺度形状信息;6)计算任意两个CSI数据段的相似性结果。这种方法能够纠正跳变现象对基于模式的人体行为识别提出的特征值所造成的影响,从而提高人体行为识别的准确率。
搜索关键词: 一种 用于 wifi 人体 行为 识别 中的 现象 纠正 方法
【主权项】:
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(1≤L≤N)的一组CSI数据{CSI1,CSI2,...,CSIN},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CSIi与第i‑1号CSI数据帧CSIi‑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CSIi的平均值,为第i号CSI数据帧CSIi的标准差,如果的值小于0,则跳变点发生在第号CSI数据帧处,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,...,CSIm‑1},异常数据段为{CSIm,CSIm+1,...,CSIN},表示向上取整运算;2)求得最优的起始替换位置s(1≤s≤2m‑N‑1)、分段段数n和具体的分段点{x1,x2,...,xn‑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,...,xn‑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{CSIs,CSIs+1,...,CSIs+N‑m}用于替换异常数据段{CSIm,CSIm+1,...,CSIN},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,...,xn‑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,...,xn‑1},得到纠正后的一组CSI数据{CSI1,CSI2,...,CSIN};3)求得最优分段结果{x1,x2,...,xn‑1}:内层Switch‑Mode萤火虫算法的自变量为具体分段点{x1,x2,...,xn‑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,...,CSIN}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,...,xn‑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{CAk‑1,...,CA2,CA1},提取每个近似系数的关键点,可以生成关键点序列{MMk‑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{Sk‑1,...,S2,S1},对符号化表示序列进行编码,求得多尺度形状信息{Wk‑1,...,W2,W1};6)计算任意两个CSI数据段的相似性结果: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,为任意两个CSI数据段,为时间序列Xi和Xi+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)=5/6k‑j+1
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林理工大学,未经桂林理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910420441.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code