基于BP神经网络的CSI无源目标分类方法

发布时间：2021-01-02 15:42

　　针对无源目标分类系统中精度和费用之间不平衡、采用手工提取特征的方法进行特征提取工作量较大的问题,提出了一种基于误差逆传播（BP）神经网络的信道状态信息（CSI）无源目标分类方法.通过提取WiFi信号的CSI作基信号,并结合具有自主学习数据特征能力的神经网络方法,设计了BP神经网络的训练模型,减少了手工提取特征带来的开销.实验结果表明,以身高分类为例,所提方法能够区分4个不同身高段,且平均分类准确度可以达到90%以上. 

【文章来源】：北京邮电大学学报. 2020年01期 北大核心

【文章页数】：6 页

【部分图文】：

无源目标分类系统模型

为了验证基于BP神经网络的CSI无源目标分类方法，设计了一个人体高度分类系统，系统框图如图2所示．分类系统共有4个组成部分:数据收集、数据预处理、神经网络训练和分类结果．在数据预处理阶段，将收集到的CSI数据先进行幅值抽取，再进行小波变换去除部分噪声，具体实现过程见3.3节．在神经网络训练阶段，根据不同的分类要求建立不同的神经网络模型．3.2 实验数据收集

其中:A为低频近似系数，D为高频细节成分，n为分解层次，在本文中n取3．去噪后的信号如图5所示．可以看出，小波变换去除了信号噪声时保载波变化的局部特征．图4 小波变换前单个子载波CSI的变化情况

【参考文献】：
期刊论文
[1]基于WiFi信号的人体动作识别系统[J]. 肖玲,潘浩.  北京邮电大学学报. 2018(03)



本文编号：2953180