[发明专利]一种基于WiFi信号的微小行为感知方法

权利要求书

1.一种基于WiFi信号的微小行为感知方法，其特征在于，该方法包括以下四个阶段：

(1)微小行为建模：在菲涅尔区理论为基础上建立微小行为模型，微小行为模型的建立为微小行为数据的采集提供了理论支撑；

(2)数据预处理：首先读取CSI数据，提取CSI矩阵，期间得到的原始数据会不准确，之后依次进行离群点清除、插值处理和噪声过渡，得到规律的微小行为信号；

(3)子载波选择：由于频率的差异，不同子载波会对微小行为变化的敏感度不同，故不同子载波会存在振幅上的差异，计算出每个子载波的方差，使用方差来量化子载波振幅大小；

(4)微小行为的估计：通过以上步骤对CSI数据进行滤波并选择出对微小运动敏感的子载波后，可以得到较为规律的微小行为波形，可以通过这个波形对微小行为进行估计。

2.根据权利要求1所述的一种基于WiFi信号的微小行为感知方法，其特征在于：对微小行为进行了建模，微小行为监测技术需要提取微小行为信号，为能够准确的进行微小行为信号的提取并得到呼吸频率，需要对人体或物体微小行为进行建模，首先对菲涅尔区传播理论进行研究，在菲涅尔为基础上建立人体或物体微小行动模型，根据模型进行实验方案区理论的设计，在进行微小行为时，人体或物体会随着行为节奏产生位移，将人体或物体建模为一个球体。

3.根据权利要求1所述的一种基于WiFi信号的微小行为感知方法，其特征在于：需要对数据进行事先的处理，首先是读取CSI数据，提取CSI矩阵，然后画出每根天线对应的30个子载波的原始数据，可以看到原始数据存在采集环境中的噪音干扰，出现离群点，使用Hample滤波进行离群点去除，Hample滤波器可以过滤出与其他CSI测量值有明显差异的幅度值，对采集的CSI样本进行噪声抑制；离群点去除后，一些采样点被滤除，需要对滤波后的信号进行线性插值，以保证采样的完整性，有时存在采样抖动现象，会造成数据包丢失，也需要插值处理；

利用线性插值以获得均匀间隔时间点的数据样本，插入值的纵坐标通过两点确定出的直线来确定，在去除异常值后，采用sym8小波基及5层分解层数的小波变换进行噪声过滤。

4.根据权利要求1所述的一种基于WiFi信号的微小行为感知方法，其特征在于：由于频率的差异，不同子载波对呼吸胸腔变化的敏感度不同，不同子载波的中心频率不同，会引起波长不同，也会引起多径效益与阴影效应的不同，所以不同子载波的振幅存在差异；计算出每个子载波的方差，使用方差来量化子载波振幅大小，选择方差较大的子载波作为目标子载波，设置阈值为1.6，高于该预置的作为进行呼吸频率估计的子载波。

5.根据权利要求1所述的一种基于WiFi信号的微小行为感知方法，其特征在于：对CSI数据进行滤波并选择出对微小运动敏感的子载波后，得到较为规律的微小行为波形；使用傅里叶变换来提取微小行为频率，将时域信号转为频域信号，设备采样时间120s，采样频率为100Hz，采样总数为12000个数据包，根据数据预处理得到的时域信号，设置参数得到傅里叶变换后的频域信号，进而可以实现对微小行为的估计。