CSI(Channel State Information)可提供被动的人体行为识别方法,根据CSI和声音信号传播相似性和共享频谱带宽的特性将MFCC(Mel-Frequency Cepstral Coefficients)特征提取应用于CSI时间序列,并对复杂场景下的视距和非视距的几种日常行...CSI(Channel State Information)可提供被动的人体行为识别方法,根据CSI和声音信号传播相似性和共享频谱带宽的特性将MFCC(Mel-Frequency Cepstral Coefficients)特征提取应用于CSI时间序列,并对复杂场景下的视距和非视距的几种日常行为进行识别。该方法对数据去噪、PCA、相位校准处理,从预处理后的信号中提取了MFCC统计特征和一个无偏移对数频谱能量,用蚁群和粒子群混合优化SVM进行分类识别。实验结果表明,该方法能有效识别复杂场景下的日常行为,在视距情况下,平均识别率达到了91%。展开更多
文摘CSI(Channel State Information)可提供被动的人体行为识别方法,根据CSI和声音信号传播相似性和共享频谱带宽的特性将MFCC(Mel-Frequency Cepstral Coefficients)特征提取应用于CSI时间序列,并对复杂场景下的视距和非视距的几种日常行为进行识别。该方法对数据去噪、PCA、相位校准处理,从预处理后的信号中提取了MFCC统计特征和一个无偏移对数频谱能量,用蚁群和粒子群混合优化SVM进行分类识别。实验结果表明,该方法能有效识别复杂场景下的日常行为,在视距情况下,平均识别率达到了91%。