基于CSI的日常行为识别方法

摘要

针对现有依靠穿戴设备、雷达和视频图像人体行为感知的方法对环境要求高,成本高,且不利于保护隐私等问题,提出一种基于信道状态信息无设备且低成本的日常行为识别方法。通过商用WiFi设备采集原始CSI数据,在无需信号进行去噪处理的情况下通过提取原始CSI最大程度能提高识别精度的三阶累积量特征,应用基于互信息的特征选择算法(MIFS)对特征进行筛选,将筛选得到的特征子集输入进粒子群优化算法(PSO)优化过参数的支持向量机(SVM)分类器中以测量性能。实验结果表明,该方法在不同环境下对不同日常动作的平均识别率达到了96.1%,验证了该方法用于行为识别能获得较高的准确率和鲁棒性。