本發(fā)明屬于信號(hào)處理
技術(shù)領(lǐng)域：
，更進(jìn)一步涉及無(wú)線信號(hào)處理
技術(shù)領(lǐng)域：
中的一種處理基于信道狀態(tài)信息的活動(dòng)人員數(shù)量估計(jì)方法。本發(fā)明在離線訓(xùn)練階段訓(xùn)練支持向量機(jī)分類器，在在線估計(jì)階段用訓(xùn)練好的支持向量機(jī)分類器進(jìn)行活動(dòng)人員數(shù)量估計(jì)，可用于對(duì)進(jìn)出類似智能家居場(chǎng)景中，需要統(tǒng)計(jì)或者監(jiān)測(cè)的活動(dòng)人員的數(shù)量進(jìn)行在線估計(jì)和監(jiān)測(cè)。
背景技術(shù)：
：在現(xiàn)實(shí)生活中的很多場(chǎng)景當(dāng)中，獲取某一個(gè)區(qū)域內(nèi)活動(dòng)人員數(shù)量估計(jì)值具有很重要的意義。理想的活動(dòng)人員數(shù)量估計(jì)方法應(yīng)當(dāng)是適用范圍廣，估計(jì)準(zhǔn)確度高，對(duì)用戶無(wú)任何約束的。由于現(xiàn)實(shí)生活中場(chǎng)景的多樣性以及用戶行為模式的隨機(jī)性，因此找到一種能夠滿足上述條件的活動(dòng)人員數(shù)量估計(jì)方法是一項(xiàng)充滿挑戰(zhàn)的任務(wù)。傳統(tǒng)的活動(dòng)人員數(shù)量估計(jì)技術(shù)多是基于計(jì)算機(jī)視覺(jué)的，這類技術(shù)通常是通過(guò)檢測(cè)圖像中的人臉或頭肩來(lái)進(jìn)行人員檢測(cè)，從而實(shí)現(xiàn)活動(dòng)人員數(shù)量估計(jì)，但是由于光學(xué)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，并且只能估計(jì)視線之內(nèi)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(fā)表的論文“alarge-scaledevice-freepassivelocalizationsystemforwirelessenvironments”(mobilecomputing,ieeetransactionson,2013,12(7):1321-1334)中提出了一種基于接收信號(hào)強(qiáng)度的活動(dòng)人員數(shù)量估計(jì)方法。該方法先統(tǒng)計(jì)室內(nèi)活動(dòng)的人數(shù)不同時(shí)，接收信號(hào)強(qiáng)度的方差的差別，再根據(jù)這種差別來(lái)進(jìn)行活動(dòng)人員數(shù)量估計(jì)。該方法存在的不足之處是，估計(jì)的準(zhǔn)確度較差，適用性不強(qiáng)。西安交通大學(xué)在其申請(qǐng)的專利文獻(xiàn)“一種利用信道狀態(tài)信息的非綁定人數(shù)計(jì)數(shù)方法”(專利申請(qǐng)?zhí)枺?01410458022.2，公開(kāi)號(hào)：cn104239951a)中提出了一種基于信道狀態(tài)信息的非綁定人數(shù)計(jì)數(shù)方法。該方法統(tǒng)計(jì)在活動(dòng)人員數(shù)量已知的情況下，信道狀態(tài)信息擴(kuò)張矩陣中的非零元素百分比值(percentageofnon-zeroelementsinthedilatedcsimatrix，pem)的變化規(guī)律，再根據(jù)灰色理論對(duì)其進(jìn)行擬合和估計(jì)，構(gòu)建信道狀態(tài)信息配置文件，通過(guò)與該信道狀態(tài)信息配置文件進(jìn)行匹配來(lái)估計(jì)活動(dòng)人員數(shù)量。該方法存在不足之處是，估計(jì)的準(zhǔn)確度不高，估計(jì)結(jié)果波動(dòng)較大。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是針對(duì)上述現(xiàn)有技術(shù)的不足，提出了一種基于信道狀態(tài)信息的活動(dòng)人員數(shù)量估計(jì)方法。本發(fā)明與現(xiàn)有技術(shù)中其他人數(shù)估計(jì)技術(shù)相比準(zhǔn)確度高，適應(yīng)性強(qiáng)。本發(fā)明包括離線訓(xùn)練和在線估計(jì)兩個(gè)階段，具體步驟包括如下：在需要進(jìn)行活動(dòng)人員數(shù)量估計(jì)的待估計(jì)區(qū)域內(nèi)，進(jìn)行離線訓(xùn)練的步驟如下：(1)采集已知活動(dòng)人員數(shù)量的信道狀態(tài)信息：利用人數(shù)估計(jì)系統(tǒng)，采集待估計(jì)區(qū)域內(nèi)已知活動(dòng)人員數(shù)量的信道狀態(tài)信息；(2)用信道狀態(tài)信息特征提取算法，對(duì)已知活動(dòng)人員數(shù)量的信道狀態(tài)信息進(jìn)行處理，得到已知活動(dòng)人員數(shù)量的信道狀態(tài)信息特征：(2a)設(shè)定一個(gè)長(zhǎng)度為l的滑動(dòng)窗口，l的取值為大于0的整數(shù)；(2b)用滑動(dòng)窗口對(duì)已知活動(dòng)人員數(shù)量的信道狀態(tài)信息進(jìn)行采樣，將采樣后的已知活動(dòng)人員數(shù)量的信道狀態(tài)信息序列作為待處理信道狀態(tài)信息序列；(2c)利用均值公式和標(biāo)準(zhǔn)差公式，分別計(jì)算待處理信道狀態(tài)信息序列中的每一個(gè)子載波數(shù)據(jù)的均值和標(biāo)準(zhǔn)差；(2d)去除待處理信道狀態(tài)信息序列中每一個(gè)子載波數(shù)據(jù)中的異常數(shù)據(jù)，得到去除異常數(shù)據(jù)后的信道狀態(tài)信息序列；(2e)利用方差公式，計(jì)算去除異常數(shù)據(jù)后的信道狀態(tài)信息序列中每一個(gè)子載波數(shù)據(jù)的方差：(2f)將去除異常數(shù)據(jù)后的信道狀態(tài)信息序列的所有子載波數(shù)據(jù)的方差組成向量，作為已知活動(dòng)人員數(shù)量的信道狀態(tài)信息特征；(3)訓(xùn)練支持向量機(jī)分類器：用已知活動(dòng)人員數(shù)量的信道狀態(tài)信息特征對(duì)支持向量機(jī)分類器進(jìn)行訓(xùn)練，得到訓(xùn)練好的分類器；在與離線訓(xùn)練階段的相同待估計(jì)區(qū)域內(nèi)，使用訓(xùn)練好的分類器，進(jìn)行在線估計(jì)活動(dòng)人員數(shù)量的步驟如下：(4)采集待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息：使用與離線訓(xùn)練階段采集信道狀態(tài)信息時(shí)相同的人數(shù)估計(jì)系統(tǒng)，在與離線訓(xùn)練階段相同區(qū)域內(nèi)，采集待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息；(5)提取待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息特征：用與離線訓(xùn)練階段相同的信道狀態(tài)信息特征提取算法，對(duì)待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息進(jìn)行處理，得到待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息特征；(6)估計(jì)活動(dòng)人員數(shù)量：用離線訓(xùn)練階段訓(xùn)練好的分類器，對(duì)待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息特征進(jìn)行分類，得到活動(dòng)人員數(shù)量。本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：第一，由于本發(fā)明在離線訓(xùn)練階段和在線估計(jì)階段，均采用信道狀態(tài)信息特征提取的方法，所提取的信道狀態(tài)信息特征能夠準(zhǔn)確地區(qū)分不同的活動(dòng)人員數(shù)量，克服了現(xiàn)有技術(shù)中活動(dòng)人員數(shù)量估計(jì)的準(zhǔn)確度不高的問(wèn)題，使得本發(fā)明對(duì)活動(dòng)人員數(shù)量的估計(jì)準(zhǔn)確度更高。第二，由于本發(fā)明在離線訓(xùn)練階段和在線估計(jì)階段，均采用支持向量機(jī)分類器，能夠更好地區(qū)分不同活動(dòng)人員數(shù)量的信道狀態(tài)信息特征，克服了現(xiàn)有技術(shù)中活動(dòng)人員數(shù)量估計(jì)結(jié)果波動(dòng)較大的問(wèn)題，使得本發(fā)明對(duì)活動(dòng)人員數(shù)量進(jìn)行在線估計(jì)所得結(jié)果的穩(wěn)定性更好。附圖說(shuō)明圖1是本發(fā)明的流程圖；圖2是本發(fā)明的信道狀態(tài)信息特征提取流程圖；圖3是本發(fā)明的仿真圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的描述。參照?qǐng)D1，本發(fā)明實(shí)現(xiàn)的具體步驟如下：在需要進(jìn)行活動(dòng)人員數(shù)量估計(jì)的待估計(jì)區(qū)域內(nèi)，進(jìn)行離線訓(xùn)練的步驟如下：步驟1，采集已知活動(dòng)人員數(shù)量的信道狀態(tài)信息。在待估計(jì)區(qū)域設(shè)置一個(gè)人數(shù)估計(jì)系統(tǒng)，其中包括一個(gè)無(wú)線接入點(diǎn)，4個(gè)監(jiān)測(cè)點(diǎn)以及一個(gè)中心服務(wù)器，4個(gè)監(jiān)測(cè)點(diǎn)均安裝有具備采集信道狀態(tài)信息能力的無(wú)線網(wǎng)卡，無(wú)線接入點(diǎn)建立基于802.11n無(wú)線局域網(wǎng)通信標(biāo)準(zhǔn)協(xié)議的無(wú)線網(wǎng)絡(luò)，所有監(jiān)測(cè)點(diǎn)及中心服務(wù)器均與無(wú)線接入點(diǎn)建立連接。各監(jiān)測(cè)點(diǎn)以每秒200次的頻率向無(wú)線接入點(diǎn)持續(xù)發(fā)送ping命令數(shù)據(jù)包，并根據(jù)無(wú)線接入點(diǎn)返回的icmp應(yīng)答數(shù)據(jù)包來(lái)計(jì)算信道狀態(tài)信息，同時(shí)各監(jiān)測(cè)點(diǎn)將采集得到的信道狀態(tài)信息通過(guò)無(wú)線接入點(diǎn)實(shí)時(shí)發(fā)送到中心服務(wù)器。利用人數(shù)估計(jì)系統(tǒng)，采集待估計(jì)區(qū)域內(nèi)已知活動(dòng)人員數(shù)量的信道狀態(tài)信息作為離線訓(xùn)練階段所用的數(shù)據(jù)。步驟2，用信道狀態(tài)信息特征提取算法，對(duì)已知活動(dòng)人員數(shù)量的信道狀態(tài)信息進(jìn)行處理，提取已知活動(dòng)人員數(shù)量的信道狀態(tài)信息特征。本發(fā)明實(shí)施例是中心服務(wù)器通過(guò)信道狀態(tài)信息特征提取算法，對(duì)4個(gè)監(jiān)測(cè)點(diǎn)的已知活動(dòng)人員數(shù)量的信道狀態(tài)信息進(jìn)行處理，得到已知活動(dòng)人員數(shù)量的信道狀態(tài)信息特征。參照?qǐng)D2，對(duì)本發(fā)明的信道狀態(tài)信息特征提取算法的具體步驟描述如下。第1步，設(shè)定一個(gè)長(zhǎng)度為l的滑動(dòng)窗口，l的取值為大于0的整數(shù)。第2步，用滑動(dòng)窗口對(duì)信道狀態(tài)信息進(jìn)行采樣，將采樣后的信道狀態(tài)信息序列作為待處理信道狀態(tài)信息序列。第3步，利用下式，計(jì)算待處理信道狀態(tài)信息序列每一個(gè)子載波上的數(shù)據(jù)的均值和標(biāo)準(zhǔn)差：其中，μk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的均值，∑表示求和操作，i表示待處理信道狀態(tài)信息序列中信道狀態(tài)信息記錄的索引號(hào)，表示待處理信道狀態(tài)信息序列中第i條信道狀態(tài)信息記錄上的第k個(gè)子載波上的數(shù)據(jù)，σk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的標(biāo)準(zhǔn)差，表示開(kāi)平方操作，l表示滑動(dòng)窗口的大小。第4步，去除待處理信道狀態(tài)信息序列每一個(gè)子載波上的數(shù)據(jù)中的異常數(shù)據(jù)，得到去除異常數(shù)據(jù)后的信道狀態(tài)信息序列。所述異常數(shù)據(jù)是指，待處理信道狀態(tài)信息序列的每一個(gè)子載波數(shù)據(jù)中位于[μk-3*σk,μk+3*σk]范圍之外的數(shù)據(jù)，其中，μk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波數(shù)據(jù)的均值，σk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波數(shù)據(jù)的標(biāo)準(zhǔn)差，*表示相乘操作。第5步，利用下式，計(jì)算去除異常值后的信道狀態(tài)信息序列中每一個(gè)子載波上的數(shù)據(jù)的方差：其中，表示去除異常值后的信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的均值，l表示去除異常值后的信道狀態(tài)信息序列中信道狀態(tài)信息記錄的數(shù)量，表示去除異常值后的信道狀態(tài)信息序列中第i條信道狀態(tài)信息記錄上的第k個(gè)子載波上的數(shù)據(jù)，δk表示去除異常值后的信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的標(biāo)準(zhǔn)差。第6步，將去除異常數(shù)據(jù)后的信道狀態(tài)信息序列所有子載波上的數(shù)據(jù)的方差組合成向量，作為信道狀態(tài)信息特征。步驟3，訓(xùn)練支持支持向量機(jī)分類器。本發(fā)明實(shí)施例是中心服務(wù)器用已知活動(dòng)人員數(shù)量的信道狀態(tài)信息特征對(duì)支持向量機(jī)分類器進(jìn)行訓(xùn)練，得到訓(xùn)練好的分類器。在與離線訓(xùn)練階段的相同待估計(jì)區(qū)域內(nèi)，使用訓(xùn)練好的分類器，進(jìn)行在線估計(jì)活動(dòng)人員數(shù)量的步驟如下：步驟4，采集待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息。使用與離線訓(xùn)練階段采集信道狀態(tài)信息時(shí)相同的人數(shù)估計(jì)系統(tǒng)，在與離線訓(xùn)練階段相同區(qū)域內(nèi)，采集待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息。步驟5，提取信道狀態(tài)信息特征。本發(fā)明實(shí)施例是中心服務(wù)器用與離線訓(xùn)練階段相同的信道狀態(tài)信息特征提取算法，對(duì)4個(gè)監(jiān)測(cè)點(diǎn)采集得到的待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息進(jìn)行處理，得到待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息特征。參照?qǐng)D2，對(duì)本發(fā)明的信道狀態(tài)信息特征提取算法的具體步驟描述如下。第1步，設(shè)定一個(gè)長(zhǎng)度為l的滑動(dòng)窗口，l的取值為大于0的整數(shù)。第2步，用滑動(dòng)窗口對(duì)信道狀態(tài)信息進(jìn)行采樣，將采樣后的信道狀態(tài)信息序列作為待處理信道狀態(tài)信息序列。第3步，利用下式，計(jì)算待處理信道狀態(tài)信息序列每一個(gè)子載波上的數(shù)據(jù)的均值和標(biāo)準(zhǔn)差：其中，μk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的均值，∑表示求和操作，i表示待處理信道狀態(tài)信息序列中信道狀態(tài)信息記錄的索引號(hào)，表示待處理信道狀態(tài)信息序列中第i條信道狀態(tài)信息記錄上的第k個(gè)子載波上的數(shù)據(jù)，σk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的標(biāo)準(zhǔn)差，表示開(kāi)平方操作，l表示滑動(dòng)窗口的大小。第4步，去除待處理信道狀態(tài)信息序列每一個(gè)子載波上的數(shù)據(jù)中的異常數(shù)據(jù)，得到去除異常數(shù)據(jù)后的信道狀態(tài)信息序列。所述異常數(shù)據(jù)是指，待處理信道狀態(tài)信息序列的每一個(gè)子載波數(shù)據(jù)中位于[μk-3*σk,μk+3*σk]范圍之外的數(shù)據(jù)，其中，μk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波數(shù)據(jù)的均值，σk表示待處理信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波數(shù)據(jù)的標(biāo)準(zhǔn)差，*表示相乘操作。第5步，利用下式，計(jì)算去除異常值后的信道狀態(tài)信息序列中每一個(gè)子載波上的數(shù)據(jù)的方差：其中，表示去除異常值后的信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的均值，l表示去除異常值后的信道狀態(tài)信息序列中信道狀態(tài)信息記錄的數(shù)量，表示去除異常值后的信道狀態(tài)信息序列中第i條信道狀態(tài)信息記錄上的第k個(gè)子載波上的數(shù)據(jù)，δk表示去除異常值后的信道狀態(tài)信息序列中所有信道狀態(tài)信息記錄的第k個(gè)子載波上數(shù)據(jù)的標(biāo)準(zhǔn)差。第6步，將去除異常數(shù)據(jù)后的信道狀態(tài)信息序列所有子載波上的數(shù)據(jù)的方差組合成向量，作為信道狀態(tài)信息特征。步驟6，活動(dòng)人數(shù)估計(jì)。本發(fā)明實(shí)施例是中心服務(wù)器用離線訓(xùn)練階段訓(xùn)練好的分類器，對(duì)待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息特征進(jìn)行分類，得到活動(dòng)人員數(shù)量。下面結(jié)合仿真圖對(duì)本發(fā)明的效果做進(jìn)一步的描述。1、仿真實(shí)驗(yàn)條件：硬件環(huán)境：intelcorei7-4770k,3.5ghz,8gbram；軟件環(huán)境：windows7，matlabr2015b；2、仿真內(nèi)容與仿真結(jié)果分析：本發(fā)明在辦公室環(huán)境中進(jìn)行了測(cè)試，在離線訓(xùn)練階段，分別采集了辦公室內(nèi)有1到6個(gè)活動(dòng)人員的信道狀態(tài)信息，用信道狀態(tài)信息提取算法提取其信道狀態(tài)信息特征用于訓(xùn)練支持向量機(jī)分類器。在本發(fā)明仿真的在線估計(jì)階段，讓未知數(shù)量的人員在辦公室內(nèi)活動(dòng)，采集待估計(jì)活動(dòng)人員數(shù)量的信道狀態(tài)信息，用信道狀態(tài)信息提取算法，提取其信道狀態(tài)信息特征，并用在離線訓(xùn)練階段得到的分類器對(duì)其進(jìn)行分類，得到活動(dòng)人員數(shù)量的估計(jì)值。為說(shuō)明本發(fā)明的仿真效果，定義估計(jì)誤差為在線訓(xùn)練階段得到活動(dòng)人員數(shù)量的估計(jì)值與辦公室內(nèi)實(shí)際人數(shù)之間差值的絕對(duì)值，估計(jì)誤差累積概率定義為估計(jì)誤差小于或等于t的在線估計(jì)次數(shù)與總在線估計(jì)次數(shù)的比值，其中t的取值為正整數(shù)。本發(fā)明的仿真實(shí)驗(yàn)重復(fù)進(jìn)行200次在線估計(jì)的過(guò)程，得到仿真結(jié)果如圖3所示的估計(jì)誤差累積概率分布曲線和如表1所示的估計(jì)誤差累積概率分布表。圖3的仿真結(jié)果圖中的橫坐標(biāo)表示估計(jì)誤差，縱坐標(biāo)表示估計(jì)誤差累積概率分布。由表1所示的估計(jì)誤差累積概率分布表可以看到，本發(fā)明的方法估計(jì)誤差小于或等于1人的概率為97％，估計(jì)誤差小于或等于2人的概率為100％，由此說(shuō)明本發(fā)明具有很高的估計(jì)準(zhǔn)確度。表1估計(jì)誤差累積概率分布表估計(jì)誤差小于或等于1人小于或等于2人估計(jì)誤差累積概率分布0.971.00當(dāng)前第1頁(yè)12