基于信道状态信息的无接触人体行为识别方法

摘要：

基于信道状态信息的无接触行为识别在很多领域有着重要的应用前景.针对现有方法采用传统的信号统计特征无法同时从低频到高频获得信号的更多细节信号信息,对于信号信息的表征不够明显,识别效果不理想,提出一种基于信道状态信息的无接触人体动作识别方法.首先对采集的CSI数据采用巴特沃斯低通滤波器对数据进行信号预处理;再采用小波包分解算法对CSI信号进行三层小波包分解,同时从第三层提取低频到高频中能表现更多原始信号细节的小波包能量占比特征和小波包系数统计特征组成特征向量;然后再用主成分分析法(PCA)对提取到的特征进行降维处理得到新的特征向量,输入到支持向量机分类器(SVM)并采用十倍交叉验证检验性能.实现了人体日常生活中"蹲下""站起""捡起""跳跃""走路"5种动作的识别,实验结果显示在不同场景下平均识别率可达到95.1％.证明了该方法所提取的特征对信号不同频段细节信息的表征较为明显,能获得较高的识别精度.

关键词：行为识别;信道状态信息;小波包分解;主成分分析;信号预处理;十倍交叉验证

所属期刊栏目：44

分类号：TN911.7-34

资助基金：国家自然科学基金;云南省教育厅科研基金;云南大学研究生科研创新基金

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：80-85