公开(公告)号：CN106407905A

公开(公告)日：2017-02-15

申请号：CN201610792444.2

申请日：2016-08-31

申请人： 电子科技大学

发明人： 刘光辉 ,  谭焰文 ,  陆诗薇 ,  毛一杰

IPC分类号： G06K9/00 ,  G06K9/62

CPC分类号： G06K9/0051 ,  G06K9/00523 ,  G06K9/6223 ,  G06K9/6256 ,  G06K9/6269

摘要： 本发明公开了一种基于机器学习的无线感知动作识别方法。本发明包括数据采集、数据去噪处理、特征提取、SVM模型训练及识别处理。在数据采集时，将每个采样点上采集到的一组CSI数据取绝对值且读取成一个30×Nr×Nt的矩阵形式。数据去噪处理主要采用PCA方式。在特征提取时，基于离散小波变换实现。为了便于SVM模型的训练，本发明对训练样本进行Kmeans聚类处理，将得到的n个聚类中心作为词袋，基于特征向量与各词袋的最匹配项进行投票，将矩阵形式的特征向量转换为列向量时，以便于SVM的实现。本发明的实施，具有高识别精度并对环境变化体现出良好鲁棒性的人体行为识别方法。

公开(公告)号：CN106407905B

公开(公告)日：2019-05-14

申请号：CN201610792444.2

申请日：2016-08-31

申请人： 电子科技大学

发明人： 刘光辉 ,  谭焰文 ,  陆诗薇 ,  毛一杰

IPC分类号： G06K9/00 ,  G06K9/62

摘要： 本发明公开了一种基于机器学习的无线感知动作识别方法。本发明包括数据采集、数据去噪处理、特征提取、SVM模型训练及识别处理。在数据采集时，将每个采样点上采集到的一组CSI数据取绝对值且读取成一个30×Nr×Nt的矩阵形式。数据去噪处理主要采用PCA方式。在特征提取时，基于离散小波变换实现。为了便于SVM模型的训练，本发明对训练样本进行Kmeans聚类处理，将得到的n个聚类中心作为词袋，基于特征向量与各词袋的最匹配项进行投票，将矩阵形式的特征向量转换为列向量时，以便于SVM的实现。本发明的实施，具有高识别精度并对环境变化体现出良好鲁棒性的人体行为识别方法。