面向WiFi人体行为识别领域的跳变现象纠正技术研究

发布时间：2023-02-12 10:10

　　随着无线技术和人工智能的快速发展,基于WiFi信号的人体行为识别越来越受到学术界的广泛关注。常见的基于计算机视觉和专用传感器的人体行为识别,由于易受环境和障碍物的影响、成本高、用户体验性差等缺点,导致难以广泛应用。本文通过实验发现了跳变现象,并论证了跳变现象会影响用于行为分类的特征值从而导致不准确的人体行为识别。研究面向WiFi人体行为识别领域的跳变现象纠正问题有着重要的现实意义和广泛的应用前景。本文阐述了基于WiFi信号的人体行为识别的原理,为本文的研究奠定了理论基础;介绍了WiFi人体行为识别的研究背景和现状并详细讨论了四个具有代表性的WiFi人体行为识别系统;针对发现的跳变现象,首先从理论上解释了跳变产生的原因,然后提出了纠正跳变现象的算法。主要研究工作如下:(1)根据接收数据的特性和信号传播的理论知识,通过计算相邻CSI数据帧之间的皮尔森相关系数,识别出跳变点。通过提出相关假设,研究特定情况下的跳变现象纠正问题,将其归纳为一个最优化问题。提出嵌套的Switch-Mode萤火虫算法用于求解最优的起始替换位置,使得纠正后的数据在经过分段划分后,各个数据段之间相似性的平均值最大。其中...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    §1.1 研究背景与意义
    §1.2 国内外研究现状
    §1.3 本文的主要研究内容
    §1.4 本文的组织结构
第二章 WiFi人体行为识别的相关工作
    §2.1 WiFi人体行为识别的基本原理
        §2.1.1 信道状态信息简介
        §2.1.2 静态传播模型
        §2.1.3 动态传播模型
        §2.1.4 菲涅尔区（Fresnel Zone）模型
    §2.2 基于模型的WiFi人体行为识别
        §2.2.1 CARM人体行为识别系统
        §2.2.2 Wi Dir人体行走方向估计系统
    §2.3 基于模式的WiFi人体行为识别
        §2.3.1 Wi Fall跌倒检测系统
        §2.3.2 RT-Fall跌倒检测系统
    §2.4 上述系统的比较
    §2.5 本章小结
第三章 问题分析与总体解决思路
    §3.1 实验设备概述
    §3.2 CSI数据帧介绍
    §3.3 跳变现象
        §3.3.1 现象描述
        §3.3.2 原因分析
        §3.3.3 跳变造成的影响
    §3.4 总体解决思路
    §3.5 本章小结
第四章 基于CSI数据的时间序列相似性计算模型
    §4.1 数据预处理
    §4.2 多尺度形状信息提取
        §4.2.1 近似系数序列的获取
        §4.2.2 关键点序列的生成
        §4.2.3 符号化表示
        §4.2.4 编码
    §4.3 相似性计算
    §4.4 本章小结
第五章 基于萤火虫算法的跳变现象纠正算法
    §5.1 标准萤火虫算法（SFA）
    §5.2 Switch-Mode萤火虫算法（SMFA）
    §5.3 嵌套的SMFA
    §5.4 本章小结
第六章 实验评估
    §6.1 实验环境
    §6.2 实验结果分析
        §6.2.1 嵌套的SMFA迭代次数的影响
        §6.2.2 跳变现象纠正效果
        §6.2.3 跳变点检测效果
        §6.2.4 特征值的变化
    §6.3 本章小结
第七章 总结与展望
    §7.1 本文总结
    §7.2 未来工作的展望
参考文献
致谢
作者在攻读硕士期间的主要研究成果



本文编号：3740902