公开(公告)号：CN111225354B

公开(公告)日：2022-02-22

申请号：CN202010092968.7

申请日：2020-02-14

Applicant: 重庆邮电大学

Inventor： 谢昊飞 ,  罗云霄 ,  周义超 ,  郭小沨 ,  陈新月 ,  张银杰 ,  王佳昕

IPC: H04W4/33 ,  G06K9/00

Abstract: 本发明涉及一种在WiFi干扰环境下的WIFI CSI动态子载波选择的人体跌倒识别方法，属于无线通信技术领域。该方法首先对CSI干扰强度及CSI活跃比率进行分析，构建WiFi干扰特征映射矩阵，利用该矩阵计算各信道干扰指数实现干扰判别。接着通过基于干扰指数的动态子载波选择算法CSI‑DSSA，选取干扰数据中互相关性最弱的子载波组合进行干扰处理，分析多链路数据融合方法CSI‑MLDF聚合未受干扰数据中多数据流的时域特征信息。最后，提取时域特征值并构建WiFi干扰环境下的SVM多活动分类模型，获得跌倒活动识别结果。本发明能够有效提高WiFi干扰环境下的人体跌倒活动识别准确率。

公开(公告)号：CN111225354A

公开(公告)日：2020-06-02

申请号：CN202010092968.7

申请日：2020-02-14

Applicant: 重庆邮电大学

Inventor： 谢昊飞 ,  罗云霄 ,  周义超 ,  郭小沨 ,  陈新月 ,  张银杰 ,  王佳昕

IPC: H04W4/33 ,  G06K9/00

Abstract: 本发明涉及一种在WiFi干扰环境下的WIFI CSI动态子载波选择的人体跌倒识别方法，属于无线通信技术领域。该方法首先对CSI干扰强度及CSI活跃比率进行分析，构建WiFi干扰特征映射矩阵，利用该矩阵计算各信道干扰指数实现干扰判别。接着通过基于干扰指数的动态子载波选择算法CSI-DSSA，选取干扰数据中互相关性最弱的子载波组合进行干扰处理，分析多链路数据融合方法CSI-MLDF聚合未受干扰数据中多数据流的时域特征信息。最后，提取时域特征值并构建WiFi干扰环境下的SVM多活动分类模型，获得跌倒活动识别结果。本发明能够有效提高WiFi干扰环境下的人体跌倒活动识别准确率。