近些年,隨著機器學(xué)習(xí)以及譬如射頻和紅外傳感器等無線情景感知技術(shù)的快速的發(fā)展,WiFi由于其易獲得性和低成本性,使得人們對WiFi的研究超越其最原始的用途,多種多樣的無設(shè)備被動WiFi識別與檢測系統(tǒng)應(yīng)運而生。在這篇文章中,我們提出了基于信道狀態(tài)信息的反網(wǎng)癮系統(tǒng),通過利用信道狀態(tài)信息的細(xì)粒度性,首次展現(xiàn)了利用WiFi信號中的信道狀態(tài)信息（Channel State Information,CSI）檢測打游戲這個動作。該系統(tǒng)通過學(xué)習(xí)玩家的動作以及他們在打游戲時的共同特征來識別這個在電腦前的行為是不是打游戲。我們把該系統(tǒng)的研究與實現(xiàn)建立在普通商用WiFi設(shè)備上。主要包括以下研究內(nèi)容:首先,利用核密度估計（Kernel Density Estimation,KDE）的方法,求取最佳行為檢測閾值,也即實現(xiàn)從靜默狀態(tài)到動作狀態(tài)的檢測（入侵檢測）,實驗結(jié)果驗證了該算法在室內(nèi)多徑環(huán)境下可以很好的檢測到行為狀態(tài)的開始,正確率可達(dá)94.2%。然后,在檢測到行為狀態(tài)開始后,再進(jìn)一步通過一定算法判斷該行為是否是打游戲。這里我們首先通過主成分分析法（Principal Component Analysis,PCA... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

第四對天線對中30個子載波的幅值隨時間的變化

（ｂ）?一個天線對中一個子載波的相位序列??（ｂ）?Ｔｈｅ?ｐｈａｓｅ?ｓｅｑｕｅｎｃｅ?ｏｆ?ｏｎｅ?ｓｕｂｃａｒｒｉｅｒ?ｉｎ?ｏｎｅ?ａｎｔｅｎｎａ?ｐａｉｒ??圖２．５?—個天線對中一個子載波的幅值與相位序列??Ｆｉｇ?２．５?Ｔｈｅ?ａｍｐｌｉｔｕｄｅ?ａｎｄ?ｐｈａｓｅ?ｓｅｑｕｅｎｃｅ?ｏｆ?ｏｎｅ?ｓｕｂｃａｒｒｉｅｒ?ｉｎ?ｏｎｅ?ａｎｔｅｎｎａ?ｐａｉｒ??２．２人體行為識別框架??人體在運動或者具體某個部位的小幅度運動（如敲擊鍵盤等）都會引起無線??信號的多徑變化，所謂利用信道狀態(tài)信息進(jìn)行人體行為的識別，就是利用無線信??號產(chǎn)生的多徑變化，并將這些變化經(jīng)過算法處理后轉(zhuǎn)化成行為特征后，對目標(biāo)當(dāng)??前行為進(jìn)行識別。??ＣＳＴ信號?？信咢預(yù)處理?？行為判決準(zhǔn)則?？行為特征提取??？建立分類模型??圖２．６人體行為識別離線階段框架??Ｆｉｇ?２．６?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｈｕｍａｎ?ｂｅｈａｖｉｏｒ?ｒｅｃｏｇｎｉｔｉｏｎ?ｉｎ?ｏｆｆｌｉｎｅ?ｓｔａｇｅ??本文主要是針對數(shù)據(jù)收集，數(shù)據(jù)處理并分析信號以及特征提取與識別算法等??行為識別的離線處理階段作出描述與分析。如圖２．６所不，在對不同行為特征的學(xué)??習(xí)后，系統(tǒng)會建立“特征－行為”的學(xué)習(xí)模型，將不同的特征與行為一一對應(yīng)起來，??為后續(xù)的在線實時行為識別提供分類模型。我們首先采集了一定容量（需要支撐??—個相對正確的分類模型）的樣本數(shù)據(jù)，然后再經(jīng)過下面幾個處理過程：基于低??通濾波，ＰＣＡ去噪和小波去噪的信號預(yù)處理；基于閾值的行為判決準(zhǔn)則；基于頻??域特征［７］和時域特征［３８

?ｙ??（２）核函數(shù)??如圖２．８所示，現(xiàn)實生活中的很多問題通常是線性不可分的，也就是說找不到??一條直線可以將樣本完全分開。這時就需要引入核函數(shù)（Ｋｅｒｎｅｌ?Ｆｕｎｃｔｉｏｎ），將原來??非線性可分的點映射到高一維空間，這時在這個高維空間中（這里以三維空間為??例），總可以找到一個平面，將原來的樣本分成兩類，那個平面就叫做分離超平面。??＇?＊１?°?＇?＋１?類?ｊ??．．，域邊參１??－１０?－８?－６－４?－２?０?２?４?６?８?１０??圖２．８線性不可分情況??Ｆｉｇ?２．８?Ｔｈｅ?ｓｉｔｕａｔｉｏｎ?ｏｆ?Ｌｉｎｅａｒｌｙ?ｉｎｓｅｐａｒａｂｌｅ??但將數(shù)據(jù)映射到高維空間的同時又會出現(xiàn)一個問題，就是高維向量會引起計算??復(fù)雜度的增加，要想緩解該問題，可以引入點積運算??〇??１６??

【參考文獻(xiàn)】：
期刊論文
[1]基于信道狀態(tài)信息的人體行為識別系統(tǒng)[J]. Mohammed Abdulaziz Aide Al-qaness,李方敏,馬小林,梅華鋒.  武漢理工大學(xué)學(xué)報. 2016(04)
[2]基于WiFi背景噪音的被動式人體行為識別研究[J]. 谷雨,權(quán)良虎,陳孟妮,任福繼.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2015(04)
[3]一種改進(jìn)序貫最小優(yōu)化算法的方法[J]. 項堃,喻瑩.  現(xiàn)代電子技術(shù). 2013(08)
[4]自適應(yīng)核密度估計運動檢測方法[J]. 徐東彬,黃磊,劉昌平.  自動化學(xué)報. 2009(04)

博士論文
[1]基于可穿戴傳感器網(wǎng)絡(luò)的人體行為識別技術(shù)研究[D]. 汪亮.南京大學(xué) 2014
[2]人體行為識別關(guān)鍵技術(shù)研究[D]. 何衛(wèi)華.重慶大學(xué) 2012
[3]基于小波變換的目標(biāo)檢測方法研究[D]. 王麗榮.吉林大學(xué) 2006

碩士論文
[1]基于WIFI的手勢識別研究[D]. 何文鋒.深圳大學(xué) 2015
[2]基于可穿戴式傳感網(wǎng)絡(luò)的人體異常行為識別[D]. 楊璐璐.南京郵電大學(xué) 2015
[3]基于非參數(shù)核密度估計背景建模和Mean Shift的目標(biāo)檢測與跟蹤[D]. 楊平平.合肥工業(yè)大學(xué) 2013



本文編號：3012768