基於信道狀態信息的活動人員數量估計方法與流程

2023-05-27 22:41:11 2

本發明屬於信號處理
技術領域：
，更進一步涉及無線信號處理
技術領域：
中的一種處理基於信道狀態信息的活動人員數量估計方法。本發明在離線訓練階段訓練支持向量機分類器，在在線估計階段用訓練好的支持向量機分類器進行活動人員數量估計，可用於對進出類似智能家居場景中，需要統計或者監測的活動人員的數量進行在線估計和監測。
背景技術：
：在現實生活中的很多場景當中，獲取某一個區域內活動人員數量估計值具有很重要的意義。理想的活動人員數量估計方法應當是適用範圍廣，估計準確度高，對用戶無任何約束的。由於現實生活中場景的多樣性以及用戶行為模式的隨機性，因此找到一種能夠滿足上述條件的活動人員數量估計方法是一項充滿挑戰的任務。傳統的活動人員數量估計技術多是基於計算機視覺的，這類技術通常是通過檢測圖像中的人臉或頭肩來進行人員檢測，從而實現活動人員數量估計，但是由於光學傳感器的局限性，這類方法有諸多弊端，如只能在光線充足的情況下工作，並且只能估計視線之內的人員。所以需要新的研究方法的提出。moustafayoussef，ahmedsaeed和ahmede.kosba等人在其發表的論文「alarge-scaledevice-freepassivelocalizationsystemforwirelessenvironments」(mobilecomputing,ieeetransactionson,2013,12(7):1321-1334)中提出了一種基於接收信號強度的活動人員數量估計方法。該方法先統計室內活動的人數不同時，接收信號強度的方差的差別，再根據這種差別來進行活動人員數量估計。該方法存在的不足之處是，估計的準確度較差，適用性不強。西安交通大學在其申請的專利文獻「一種利用信道狀態信息的非綁定人數計數方法」(專利申請號：201410458022.2，公開號：cn104239951a)中提出了一種基於信道狀態信息的非綁定人數計數方法。該方法統計在活動人員數量已知的情況下，信道狀態信息擴張矩陣中的非零元素百分比值(percentageofnon-zeroelementsinthedilatedcsimatrix，pem)的變化規律，再根據灰色理論對其進行擬合和估計，構建信道狀態信息配置文件，通過與該信道狀態信息配置文件進行匹配來估計活動人員數量。該方法存在不足之處是，估計的準確度不高，估計結果波動較大。技術實現要素：本發明的目的是針對上述現有技術的不足，提出了一種基於信道狀態信息的活動人員數量估計方法。本發明與現有技術中其他人數估計技術相比準確度高，適應性強。本發明包括離線訓練和在線估計兩個階段，具體步驟包括如下：在需要進行活動人員數量估計的待估計區域內，進行離線訓練的步驟如下：(1)採集已知活動人員數量的信道狀態信息：利用人數估計系統，採集待估計區域內已知活動人員數量的信道狀態信息；(2)用信道狀態信息特徵提取算法，對已知活動人員數量的信道狀態信息進行處理，得到已知活動人員數量的信道狀態信息特徵：(2a)設定一個長度為l的滑動窗口，l的取值為大於0的整數；(2b)用滑動窗口對已知活動人員數量的信道狀態信息進行採樣，將採樣後的已知活動人員數量的信道狀態信息序列作為待處理信道狀態信息序列；(2c)利用均值公式和標準差公式，分別計算待處理信道狀態信息序列中的每一個子載波數據的均值和標準差；(2d)去除待處理信道狀態信息序列中每一個子載波數據中的異常數據，得到去除異常數據後的信道狀態信息序列；(2e)利用方差公式，計算去除異常數據後的信道狀態信息序列中每一個子載波數據的方差：(2f)將去除異常數據後的信道狀態信息序列的所有子載波數據的方差組成向量，作為已知活動人員數量的信道狀態信息特徵；(3)訓練支持向量機分類器：用已知活動人員數量的信道狀態信息特徵對支持向量機分類器進行訓練，得到訓練好的分類器；在與離線訓練階段的相同待估計區域內，使用訓練好的分類器，進行在線估計活動人員數量的步驟如下：(4)採集待估計活動人員數量的信道狀態信息：使用與離線訓練階段採集信道狀態信息時相同的人數估計系統，在與離線訓練階段相同區域內，採集待估計活動人員數量的信道狀態信息；(5)提取待估計活動人員數量的信道狀態信息特徵：用與離線訓練階段相同的信道狀態信息特徵提取算法，對待估計活動人員數量的信道狀態信息進行處理，得到待估計活動人員數量的信道狀態信息特徵；(6)估計活動人員數量：用離線訓練階段訓練好的分類器，對待估計活動人員數量的信道狀態信息特徵進行分類，得到活動人員數量。本發明與現有技術相比具有以下優點：第一，由於本發明在離線訓練階段和在線估計階段，均採用信道狀態信息特徵提取的方法，所提取的信道狀態信息特徵能夠準確地區分不同的活動人員數量，克服了現有技術中活動人員數量估計的準確度不高的問題，使得本發明對活動人員數量的估計準確度更高。第二，由於本發明在離線訓練階段和在線估計階段，均採用支持向量機分類器，能夠更好地區分不同活動人員數量的信道狀態信息特徵，克服了現有技術中活動人員數量估計結果波動較大的問題，使得本發明對活動人員數量進行在線估計所得結果的穩定性更好。附圖說明圖1是本發明的流程圖；圖2是本發明的信道狀態信息特徵提取流程圖；圖3是本發明的仿真圖。具體實施方式下面結合附圖對本發明做進一步的描述。參照圖1，本發明實現的具體步驟如下：在需要進行活動人員數量估計的待估計區域內，進行離線訓練的步驟如下：步驟1，採集已知活動人員數量的信道狀態信息。在待估計區域設置一個人數估計系統，其中包括一個無線接入點，4個監測點以及一個中心伺服器，4個監測點均安裝有具備採集信道狀態信息能力的無線網卡，無線接入點建立基於802.11n無線區域網通信標準協議的無線網絡，所有監測點及中心伺服器均與無線接入點建立連接。各監測點以每秒200次的頻率向無線接入點持續發送ping命令數據包，並根據無線接入點返回的icmp應答數據包來計算信道狀態信息，同時各監測點將採集得到的信道狀態信息通過無線接入點實時發送到中心伺服器。利用人數估計系統，採集待估計區域內已知活動人員數量的信道狀態信息作為離線訓練階段所用的數據。步驟2，用信道狀態信息特徵提取算法，對已知活動人員數量的信道狀態信息進行處理，提取已知活動人員數量的信道狀態信息特徵。本發明實施例是中心伺服器通過信道狀態信息特徵提取算法，對4個監測點的已知活動人員數量的信道狀態信息進行處理，得到已知活動人員數量的信道狀態信息特徵。參照圖2，對本發明的信道狀態信息特徵提取算法的具體步驟描述如下。第1步，設定一個長度為l的滑動窗口，l的取值為大於0的整數。第2步，用滑動窗口對信道狀態信息進行採樣，將採樣後的信道狀態信息序列作為待處理信道狀態信息序列。第3步，利用下式，計算待處理信道狀態信息序列每一個子載波上的數據的均值和標準差：其中，μk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的均值，∑表示求和操作，i表示待處理信道狀態信息序列中信道狀態信息記錄的索引號，表示待處理信道狀態信息序列中第i條信道狀態信息記錄上的第k個子載波上的數據，σk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的標準差，表示開平方操作，l表示滑動窗口的大小。第4步，去除待處理信道狀態信息序列每一個子載波上的數據中的異常數據，得到去除異常數據後的信道狀態信息序列。所述異常數據是指，待處理信道狀態信息序列的每一個子載波數據中位於[μk-3*σk,μk+3*σk]範圍之外的數據，其中，μk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波數據的均值，σk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波數據的標準差，*表示相乘操作。第5步，利用下式，計算去除異常值後的信道狀態信息序列中每一個子載波上的數據的方差：其中，表示去除異常值後的信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的均值，l表示去除異常值後的信道狀態信息序列中信道狀態信息記錄的數量，表示去除異常值後的信道狀態信息序列中第i條信道狀態信息記錄上的第k個子載波上的數據，δk表示去除異常值後的信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的標準差。第6步，將去除異常數據後的信道狀態信息序列所有子載波上的數據的方差組合成向量，作為信道狀態信息特徵。步驟3，訓練支持支持向量機分類器。本發明實施例是中心伺服器用已知活動人員數量的信道狀態信息特徵對支持向量機分類器進行訓練，得到訓練好的分類器。在與離線訓練階段的相同待估計區域內，使用訓練好的分類器，進行在線估計活動人員數量的步驟如下：步驟4，採集待估計活動人員數量的信道狀態信息。使用與離線訓練階段採集信道狀態信息時相同的人數估計系統，在與離線訓練階段相同區域內，採集待估計活動人員數量的信道狀態信息。步驟5，提取信道狀態信息特徵。本發明實施例是中心伺服器用與離線訓練階段相同的信道狀態信息特徵提取算法，對4個監測點採集得到的待估計活動人員數量的信道狀態信息進行處理，得到待估計活動人員數量的信道狀態信息特徵。參照圖2，對本發明的信道狀態信息特徵提取算法的具體步驟描述如下。第1步，設定一個長度為l的滑動窗口，l的取值為大於0的整數。第2步，用滑動窗口對信道狀態信息進行採樣，將採樣後的信道狀態信息序列作為待處理信道狀態信息序列。第3步，利用下式，計算待處理信道狀態信息序列每一個子載波上的數據的均值和標準差：其中，μk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的均值，∑表示求和操作，i表示待處理信道狀態信息序列中信道狀態信息記錄的索引號，表示待處理信道狀態信息序列中第i條信道狀態信息記錄上的第k個子載波上的數據，σk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的標準差，表示開平方操作，l表示滑動窗口的大小。第4步，去除待處理信道狀態信息序列每一個子載波上的數據中的異常數據，得到去除異常數據後的信道狀態信息序列。所述異常數據是指，待處理信道狀態信息序列的每一個子載波數據中位於[μk-3*σk,μk+3*σk]範圍之外的數據，其中，μk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波數據的均值，σk表示待處理信道狀態信息序列中所有信道狀態信息記錄的第k個子載波數據的標準差，*表示相乘操作。第5步，利用下式，計算去除異常值後的信道狀態信息序列中每一個子載波上的數據的方差：其中，表示去除異常值後的信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的均值，l表示去除異常值後的信道狀態信息序列中信道狀態信息記錄的數量，表示去除異常值後的信道狀態信息序列中第i條信道狀態信息記錄上的第k個子載波上的數據，δk表示去除異常值後的信道狀態信息序列中所有信道狀態信息記錄的第k個子載波上數據的標準差。第6步，將去除異常數據後的信道狀態信息序列所有子載波上的數據的方差組合成向量，作為信道狀態信息特徵。步驟6，活動人數估計。本發明實施例是中心伺服器用離線訓練階段訓練好的分類器，對待估計活動人員數量的信道狀態信息特徵進行分類，得到活動人員數量。下面結合仿真圖對本發明的效果做進一步的描述。1、仿真實驗條件：硬體環境：intelcorei7-4770k,3.5ghz,8gbram；軟體環境：windows7，matlabr2015b；2、仿真內容與仿真結果分析：本發明在辦公室環境中進行了測試，在離線訓練階段，分別採集了辦公室內有1到6個活動人員的信道狀態信息，用信道狀態信息提取算法提取其信道狀態信息特徵用於訓練支持向量機分類器。在本發明仿真的在線估計階段，讓未知數量的人員在辦公室內活動，採集待估計活動人員數量的信道狀態信息，用信道狀態信息提取算法，提取其信道狀態信息特徵，並用在離線訓練階段得到的分類器對其進行分類，得到活動人員數量的估計值。為說明本發明的仿真效果，定義估計誤差為在線訓練階段得到活動人員數量的估計值與辦公室內實際人數之間差值的絕對值，估計誤差累積概率定義為估計誤差小於或等於t的在線估計次數與總在線估計次數的比值，其中t的取值為正整數。本發明的仿真實驗重複進行200次在線估計的過程，得到仿真結果如圖3所示的估計誤差累積概率分布曲線和如表1所示的估計誤差累積概率分布表。圖3的仿真結果圖中的橫坐標表示估計誤差，縱坐標表示估計誤差累積概率分布。由表1所示的估計誤差累積概率分布表可以看到，本發明的方法估計誤差小於或等於1人的概率為97％，估計誤差小於或等於2人的概率為100％，由此說明本發明具有很高的估計準確度。表1估計誤差累積概率分布表估計誤差小於或等於1人小於或等於2人估計誤差累積概率分布0.971.00當前第1頁12