基于移动方差自适应阈值的混合活动数据分割方法及系统

本发明涉及活动数据分割，尤其涉及基于移动方差自适应阈值的混合活动数据分割方法及系统。

背景技术：

1、人体活动识别具有广泛的现实世界应用领域，如智能家居、医疗保健服务、健身跟踪等。在众多人体活动识别技术中，由于通感一体化活动识别方法具有非侵入性、应用方便、识别准确等优点，一直备受人们的关注。通感一体化活动识别主要是利用射频设备在空间中进行通信的同时所发出的载波信号感知室内空间的变化。常见的通感一体化技术主要有雷达、射频标签、无线路由。通过结合人工智能算法，这些通感一体化技术的展现了良好的人体活动识别性能。在众多的通感一体化技术中，wifi作为一种无处不在的通信技术被广泛研究和应用。wifi利用其广播的信道状态信息(csi)来感知空间中的变化，csi具有更高的细粒度，从而可以感知更加丰富的人体活动，如呼吸、心跳、行走、跳跃、摔倒等；

2、对于基于wifi的活动识别，一些研究提出了活动分割算法，而另一些研究则假设活动已经被分割，并且只关注活动识别。实际上，为了有效、准确地对活动进行分类，现有的工作通常首先识别活动边界并分割活动数据，然后进行活动分类。实现这种分割的方法主要有两种，分别是基于阈值的方法和基于变化点检测法，对于基于阈值的方法是通过对基于csi的活动识别的研究一般采用阈值来检测活动的起始点和终点，并提取活动数据，对于基于变化点检测法是指可以通过观察时间序列的属性变化来发现数据突变的时间点，活动可以根据这些变化点进行分割，但是，由于csi振幅之间的巨大差异，很难寻找混合活动的最佳阈值。人工寻找合适的去噪策略和最佳的阈值是费时费力和主观的，另外，现有的动态阈值并不能解决混合活动的性能退化问题，因为这些阈值在相同的环境下是一个相对固定的值，因此使用相同的阈值来分割细粒度活动和粗粒度活动显然会降低活动分割准确率，而对于变化点检测技术同样存在局限性，变化点检测技术通常将变化分数与阈值进行比较，以确定是否发生变化，选择最佳阈值是困难的，因为这些值可能依赖于应用，并随时间变化。因此，这些变化点检测技术仍然采用阈值来分割活动，并且与基于阈值的方法存在同样的问题，如混合活动的性能明显下降，以及忽略了分割和识别之间的联系。

技术实现思路

1、为了解决上述技术问题，本发明的目的是提供基于移动方差自适应阈值的混合活动数据分割方法及系统，通过移动方差自适应阈值算法能够准确识别不同活动的开始点和结束点，提高活动数据的分割精度。

2、本发明所采用的第一技术方案是：基于移动方差自适应阈值的混合活动数据分割方法，包括以下步骤：

3、获取csi数据并进行数据预处理，构建预处理后的csi矩阵；

4、对所述预处理后的csi矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值；

5、通过移动方差自适应阈值算法对多个所述平滑后的滑动窗口线性差值进行分割处理，得到分割后的csi数据。

6、进一步，所述获取csi数据并进行数据预处理，构建预处理后的csi矩阵这一步骤，其具体包括：

7、基于csi信号的混合活动数据采集系统，采集所述csi数据；

8、通过一维线性插值算法对所述csi数据进行缺失值补充处理，得到插值后的csi数据；

9、通过中值滤波器对所述插值后的csi数据进行滤波处理，得到滤波后的csi数据；

10、基于改进的pca子载波选择算法对所述滤波后的csi数据进行提取处理，构建所述预处理后的csi矩阵。

11、进一步，所述基于改进的pca子载波选择算法对所述滤波后的csi数据进行提取处理，构建所述预处理后的csi矩阵这一步骤，其具体包括：

12、对所述滤波后的csi数据进行转置处理，构建转置csi矩阵；

13、对所述转置csi矩阵进行均值化处理，得到均值化后的csi矩阵；

14、基于所述均值化后的csi矩阵，进行相关估计，得到相关系数矩阵；

15、对所述相关系数矩阵进行特征分解，得到特征值和特征向量，所述特征值用于求解贡献率和累计贡献率，所述特征向量用于求出主成分；

16、选取所述累计贡献率大于80％对应的所述特征值，得到选取后的特征值；

17、选择所述选取后的特征值的前m个成分构建主成分，并将第i个主成分与其对应的特征值相乘，重构运动信息矩阵，得到预处理后的csi矩阵。

18、进一步，所述对所述预处理后的csi矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值这一步骤，其具体包括：

19、通过滑动窗口方差计算公式对所述预处理后的csi矩阵进行方差计算处理，得到多个滑动窗口方差值；

20、将所述多个滑动窗口方差值进行相加，得到滑动窗口方差总和；

21、对所述滑动窗口方差总和进行线性差计算处理，得到多个滑动窗口方差的线性差值；

22、通过中值滤波器对所述多个滑动窗口方差的线性差值进行平滑处理，得到多个平滑后的滑动窗口线性差值。

23、进一步，所述滑动窗口方差计算公式的具体如下所示：

24、

25、上式中，cvar[t]表示第t个滑动窗口方差值，win表示窗口大小，被设置为fs/20，fs表示数据包传输速率，t表示第t个窗口时刻，i表示窗口内的第i个，offset表示移动步长，设置为1，c[i]表示窗口时间内的第i个csi振幅值。

26、进一步，所述通过移动方差自适应阈值算法对多个所述平滑后的滑动窗口线性差值进行分割处理，得到分割后的csi数据这一步骤，其具体包括：

27、构建初始阈值分割条件并引入判断系数；

28、将所述初始阈值分割条件与所述判断系数进行相乘计算处理，得到初始方差分割阈值；

29、对所述平滑后的滑动窗口线性差值与所述初始方差分割阈值进行判断，得到判断结果；

30、根据所述判断结果设定滑动窗口线性差值时间起始节点；

31、根据所述判断结果设定滑动窗口线性差值时间终止节点；

32、整合所述滑动窗口线性差值时间起始节点和所述滑动窗口线性差值时间终止节点，得到分割后的csi数据。

33、进一步，所述初始阈值分割条件的表达式具体如下所示：

34、

35、上式中，γ0表示初始阈值分割条件，cmedian[i]表示平滑处理后的csi数据。

36、进一步，所述根据所述判断结果设定滑动窗口线性差值时间起始节点这一步骤，其具体包括：

37、若判断到所述平滑后的滑动窗口线性差值大于所述初始方差分割阈值，表示存在csi数据，则将对应的时间记录为csi数据的开始时刻；

38、若连续移动两个窗口，平滑后的活动窗口线性差值均小于初始方差分割阈值，则通过起始点方差阈值公式更新阈值，判断csi数据的开始时刻；

39、整合上述csi数据的开始时刻，设定滑动窗口线性差值时间起始节点。

40、进一步，所述根据所述判断结果设定滑动窗口线性差值时间终止节点这一步骤，其具体包括：

41、基于csi数据的开始时刻，从csi数据的开始时刻后继续移动窗口并判断，若所述平滑后的滑动窗口线性差值小于等于所述方差分割阈值，则设定当前csi数据时刻为活动结束时刻。

42、通过终止点方差阈值公式更新阈值对初始方差分割阈值进行更新处理，得到更新后的初始方差分割阈值；

43、基于更新后的初始方差分割阈值与所述平滑后的滑动窗口线性差值继续进行判断；

44、基于所述活动结束时刻，设定滑动窗口线性差值时间终止节点。

45、本发明所采用的第二技术方案是：基于移动方差自适应阈值的混合活动数据分割系统，包括：

46、预处理模块，用于获取csi数据并进行数据预处理，构建预处理后的csi矩阵；

47、计算模块，用于对所述预处理后的csi矩阵依次进行滑动窗口方差计算、差分计算和平滑处理，得到多个平滑后的滑动窗口线性差值；

48、分割模块，用于通过移动方差自适应阈值算法对多个所述平滑后的滑动窗口线性差值进行分割处理，得到分割后的csi数据。

49、本发明方法及系统的有益效果是：本发明首先获取csi数据并进行数据预处理，通过对csi数据进行压缩的方法来减少数据维度，从而可以解决分布式通感一体化系统数据融合的问题，还可以大大减少数据处理量，提高数据处理速度，进一步获取csi数据的平滑后的滑动窗口线性差值，在通过移动方差自适应阈值算法对平滑后的滑动窗口线性差值进行分割处理，基于移动方差的分割算法可以通过采集环境数据自动设置环境阈值，有利于系统在复杂多样的环境中进行应用，而且该分割算法在分割不同活动时能自适应的更新阈值从而可以准确识别不同活动的开始点和结束点，有利于解决目前系统对混合活动分割不准确的问题。