[发明专利]一种基于WiFi信道状态信息和支持向量机的室内人数统计方法

摘要

本发明提出一种基于WiFi信道状态信息(CSI)和支持向量机(SVM)回归的室内人数统计方法。无需搭建专门的硬件设施，只利用现有WiFi无线网络，就能够实现室内人数统计。在获得CSI数据后，本发明采用基于密度的聚类算法DBSCAN对CSI数据进行去噪，然后使用膨胀矩阵算法获得每条子载波的非零率作为CSI特征指纹样本，从而强化信号幅值的大变化对于人数统计的影响，而降低由于环境噪声引起的信号幅值的小变化的影响。本发明借助于SVM回归算法，能够在不考虑复杂室内环境的情况下，获得人数和CSI特征指纹样本之间精确的非线性依赖关系模型，从而达到精确统计室内人数的目标。本发明的有益效果是能够基于现有WiFi无线网络进行精确的人数统计，成本低，普适性强，无隐私问题。

主权项

一种基于WiFi信道状态信息(CSI)和支持向量机(SVM)回归的室内人数统计方法，包括以下步骤：1)室内人数统计模型训练步骤：1‑1)采集不同人数场景下的CSI原始数据样本，所述样本包括发送天线个数、接收天线个数、信号发送频率、信道状态信息CSI矩阵，并记录当前人数；1‑2)移除原始数据样本中CSI矩阵的第一维度，将产生的二维矩阵从线性(电平)空间转换到对数(功率)空间，将矩阵中每一个复数转换成幅值；1‑3)应用基于密度的聚类算法(DBSCAN)对由每一对发送和接收天线组成的信道中的CSI数据进行聚类，通过删除离群点得到去噪后的CSI数据；1‑4)使用膨胀矩阵算法对去噪后的CSI数据进行特征提取，获得每条子载波的非零率，作为CSI特征指纹样本。该膨胀矩阵算法包含以下步骤：将每条子载波的幅值序列转换为一个二维矩阵；膨胀该二维矩阵；计算膨胀后的二维矩阵中的非零率；对所有信道中的所有子载波进行上述操作，得到非零率向量作为CSI特征指纹样本；1‑5)基于CSI特征指纹样本，采用v‑SVR算法训练得到初步SVM回归模型，表达人数和CSI特征指纹样本之间的依赖关系；1‑6)对初步SVM回归模型进行参数寻优，采用网格搜索和交叉验证方法尝试比较不同参数组合，得到最优模型参数及最优SVM回归模型。2)室内人数统计步骤：2‑1)采集未知人数场景下的CSI原始数据样本；2‑2)按照步骤1‑2)、1‑3)和1‑4)对CSI原始数据样本进行处理和特征提取，获取当前CSI特征样本指纹；2‑2)通过步骤1‑5)和1‑6)建立的SVM回归模型，根据当前CSI特征样本指纹来确定当前场景中的人数。