一种基于CSI的非合作式人体行为识别方法

摘要

cqvip:目前,基于Wi-Fi的无线人员感知技术被广泛应用于防入侵安全监测、人类健康护理、步态识别等领域,对此提出了一种基于无设备的非合作式人体行为识别方法,利用Wi-Fi信号的信道状态信息CSI来识别5个动态活动:行走、坐-站、深蹲、跳跃和跌倒。该方法利用SIMO系统采集CSI数据,在对CSI幅度和相位分别进行预处理之后,实施3个步骤来降低计算开销机制:子载波融合、基于移动方差阈值的不良数据链路剔除以及基于小波变换的动态时间窗口的数据分割。在经过前期的各项预处理后提取动作特征,从时域扩展到频率域,通过分析多普勒功率谱的特性来提高CSI信号的利用率。实验结果表明,总体识别率随着使用特征维度的增加而上升;组合分类器加权投票方法经过两轮投票优化,把对5个动作的总体识别率提高到90.3%,且相较于RSSI,CSI在人体行为识别领域的优势更加明显。