CN113507278B - 无线信号处理方法、装置及计算机可读存储介质 - Google Patents

无线信号处理方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN113507278B
CN113507278B CN202110673413.6A CN202110673413A CN113507278B CN 113507278 B CN113507278 B CN 113507278B CN 202110673413 A CN202110673413 A CN 202110673413A CN 113507278 B CN113507278 B CN 113507278B
Authority
CN
China
Prior art keywords
frequency
filtering
wireless
matrix
wireless signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110673413.6A
Other languages
English (en)
Other versions
CN113507278A (zh
Inventor
王楷
苏晓杰
赵琳玉
马铁东
姚望
唐亚娅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202110673413.6A priority Critical patent/CN113507278B/zh
Publication of CN113507278A publication Critical patent/CN113507278A/zh
Application granted granted Critical
Publication of CN113507278B publication Critical patent/CN113507278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种无线信号处理方法，该无线信号处理方法包括：基于无线接收器接收无线路由器发出无线信号；基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。本发明还公开了一种无线信号处理装置和一种计算机可读存储介质。本发明能够实现去除无线信号中高于人类活动频率的高频噪声，消除环境及设备噪声的影响。

Description

无线信号处理方法、装置及计算机可读存储介质
技术领域
本发明涉及通信技术领域，尤其涉及无线信号处理方法、装置及计算机可读存储介质。
背景技术
目前，随着科学技术的发展，无线信号在生活和生产中广泛应用，通过无线信号在获取人类活动的规律有一定的应用；但是，无线信号的产生过程中由于环境及设备的影响，无线信号中会包含有大量的高频噪声，难以通过直接提取无线信号，准确获取人类活动的规律。
发明内容
本发明的主要目的在于提出一种无线信号处理方法、装置及计算机可读存储介质，旨在去除无线信号中高于人类活动频率的高频噪声。
为实现上述目的，本发明提供一种无线信号处理方法，所述方法包括如下步骤：
基于无线接收器接收无线路由器发出无线信号；
基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；
基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。
可选地，所述基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号的步骤，包括：
获取所述无线接收器的采样频率、人体波动频率以及滤波阶数；
根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值；
将所述矩阵信号中的信号幅值替换成所述滤波幅值，得到降噪矩阵信号。
可选地，所述根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值的步骤包括：
根据所述采样频率和所述人体波动频率计算截止频率；
基于所述截止频率和所述滤波阶数对所述信号矩阵中的信号幅值进行高频滤波，得到滤波幅值。
可选地，所述截止频率其中，fc为人体波动频率，fs为采样频率；
所述滤波幅值的平方其中，N为滤波阶数。
可选地，所述基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号的步骤之后，包括：
基于主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号。
可选地，所述基于主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号包括：
将所述降噪矩阵信号中的一个空间样本点输入主成分分析算法中，对所有空间样本点进行中心化处理；
计算所述空间样本点的协方差矩阵，并对所述协方差矩阵进行分解，求出每一个特征值以及每一个特征向量；
根据预设重构阈值和所述特征值，确定降维维度；
将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号。
可选地，所述空间样本点为D＝{x1,x2,...,xn}，中心化后的空间样本点为xi为降噪矩阵信号中的一个空间样本点；
可选地，所述降维维度可以通过/>进行计算得到，其中，d为空间样本点的维数，λi为特征值。
此外，为实现上述目的，本发明还提供一种无线信号处理装置，所述装置包括：无线接收器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无线信号处理程序，所述无线信号处理程序被所述处理器执行时实现如上所述的无线信号处理方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有无线信号处理程序，所述无线信号处理程序被处理器执行时实现如上所述的无线信号处理方法的步骤。
本发明提供了一种无线信号处理方法、装置及计算机可读存储介质；基于无线接收器接收无线路由器发出无线信号；基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。通过上述方式，本发明能够实现去除无线信号中高于人类活动频率的高频噪声，消除环境及设备噪声的影响。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明无线信号处理方法第一实施例的流程示意图；
图3为本发明无线信号处理方法第二实施例的流程示意图；
图4为本发明无线信号处理方法第三实施例的流程示意图；
图5为本发明无线信号处理方法第四实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：基于无线接收器接收无线路由器发出无线信号；基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。
现有的随着科学技术的发展，无线信号在生活和生产中广泛应用，通过无线信号在获取人类活动的规律有一定的应用；但是，无线信号的产生过程中由于环境及设备的影响，无线信号中会包含有大量的高频噪声，难以通过直接提取无线信号，准确获取人类活动的规律。
本发明去除无线信号中高于人类活动频率的高频噪声。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC，也可以是智能手机、平板电脑等具有显示功能的可移动式终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
优选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无线信号处理程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的无线信号处理程序，并执行以下操作：
基于无线接收器接收无线路由器发出无线信号；
基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；
基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。
进一步地，处理器1001可以调用存储器1005中存储的无线信号处理程序，还执行以下操作：
获取所述无线接收器的采样频率、人体波动频率以及滤波阶数；
根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值；
将所述矩阵信号中的信号幅值替换成所述滤波幅值，得到降噪矩阵信号。
进一步地，处理器1001可以调用存储器1005中存储的无线信号处理程序，还执行以下操作：
根据所述采样频率和所述人体波动频率计算截止频率；
基于所述截止频率和所述滤波阶数对所述信号矩阵中的信号幅值进行高频滤波，得到滤波幅值。
进一步地，述截止频率其中，fc为人体波动频率，fs为采样频率；
所述滤波幅值的平方其中，N为滤波阶数。
进一步地，处理器1001可以调用存储器1005中存储的无线信号处理程序，还执行以下操作：
基于主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号。
进一步地，处理器1001可以调用存储器1005中存储的无线信号处理程序，还执行以下操作：
将所述降噪矩阵信号中的一个空间样本点输入主成分分析算法中，对所有空间样本点进行中心化处理；
计算所述空间样本点的协方差矩阵，并对所述协方差矩阵进行分解，求出每一个特征值以及每一个特征向量；
根据预设重构阈值和所述特征值，确定降维维度；
将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号。
进一步地，所述空间样本点为D＝{x1,x2,...,xn}，中心化后的空间样本点为xi为降噪矩阵信号中的一个空间样本点；
进一步地，所述降维维度可以通过/>进行计算得到，其中，d为空间样本点的维数，λi为特征值。
基于上述硬件结构，提出本发明无线信号处理方法实施例。
本发明无线信号处理方法。
参照图2，图2为本发明无线信号处理方法第一实施例的流程示意图。
本发明实施例中，该无线信号处理方法应用于无线信号处理装置，所述方法包括：
步骤S10，基于无线接收器接收无线路由器发出无线信号；
在本实施例中，为了获取与人类活动相关联的无线信号，为了去除无线信号中环境和设备的噪声；以及根据人类活性相关的无线信号确定人体数量，在人类活动区域设置一个无线路由器，无线路由器用于发出无线信号，无线信号穿过在空间内活动的人体之后，被无线接收器接收。
步骤S20，基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；
在本实施例中，无线信号处理装置在接收到无线信号之后，根据信道状态解析程序对无线信号进行解析，得到矩阵信号。以其中一条数据为例，采集到的原始信号是dat格式，经过信道状态解析程序之后，将无线信号转换为四维的矩阵信号。其中矩阵信号为3*3*30*n的四维矩阵，其中第一个“3”表示发射天线的数量，第二个“3”表示接收条线的数量，“30”表示每个信道上的30个子载波，n表示当前数据包有n条数据，其中每一条数据都是3*3*30维的矩阵。
步骤S30，基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。
在本实施例中，无线信号处理装置在得到了矩阵信号之后，基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。实际应用中由于环境及设备噪声的影响，这些噪声主要是一些高频信号，从而导致提取出的CSI数据十分不平滑，难以提取有效特征，因此需要首先对CSI数据进行去噪处理，通过分析得知人类活动对链路产生的影响大多由频谱中的低频信号组成。然而，原始的CSI数据汇总包含有大量的高频噪声，为了避免人体这样一种微弱的低频信号被大量的高频噪声淹没，需要使用滤波器将这些高频噪声滤除，才能从CSI数据中提取出人数相关的信号。
本实施例通过上述方案，基于无线接收器接收无线路由器发出无线信号；基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号。由此，实现了去除无线信号中高于人类活动频率的高频噪声，消除了环境及设备噪声的影响。
进一步地，参照图3，图3为本发明无线信号处理方法第二实施例的流程示意图。基于上述图2所示的实施例，步骤S30基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号，可以包括：
步骤S31，获取所述无线接收器的采样频率、人体波动频率以及滤波阶数；
在本实施例中，无线信号处理装置在获取了矩阵信号之后，获取所述无线接收器的采样频率、人体波动频率以及滤波阶数。
步骤S32，根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值；
在本实施例中，无线信号处理装置在获取了无线接收器的采样频率、人体波动频率以及滤波阶数之后，根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值。
步骤S32根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值，可以包括：
步骤a1，根据所述采样频率和所述人体波动频率计算截止频率；.
在本实施例中，无线信号处理装置在获取了无线接收器的采样频率和人体波动频率之后，根据所述采样频率和所述人体波动频率计算截止频率。其中，所述截止频率其中，fc为人体波动频率，fs为无线接收器的采样频率。考虑到人体活动对无线信号序列造成的频率波动(即人体波动频率)约为10Hz，在无线信号的采样频率为50Hz时，可根据/>求得巴特沃斯滤波器的截止频率wc为0.4πrad/s。
步骤a2，基于所述截止频率和所述滤波阶数对所述信号矩阵中的信号幅值进行高频滤波，得到滤波幅值。
在本实施例中，无线信号处理装置在得到了截止频率和滤波阶数之后，基于所述截止频率和所述滤波阶数对所述信号矩阵中的信号幅值进行高频滤波，得到滤波幅值。其中，根据实际需要及计算复杂性，设置该滤波器的阶数为9，即N＝9。巴特沃斯滤波程序的低通滤波方法需要滤波器的阶数N和表示幅度在-3dB处通带的截止频率wc两个参数，其滤波幅度平方函数可表示为
步骤S33，将所述信号矩阵中的信号幅值替换成所述滤波幅值，得到降噪矩阵信号。
在本实施例中，无线信号处理装置在得到了滤波幅值之后，将所述信号矩阵中的信号幅值替换成所述滤波幅值，得到降噪矩阵信号。
本实施例通过上述方案，获取所述无线接收器的采样频率、人体波动频率以及滤波阶数；根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值；将所述矩阵信号中的信号幅值替换成所述滤波幅值，得到降噪矩阵信号。由此，实现了去除无线信号中高于人类活动频率的高频噪声，消除了环境及设备噪声的影响。
进一步地，参照图4，图4为本发明无线信号处理方法第三实施例的流程示意图。基于上述图2所示的实施例，步骤S30基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号之后，可以包括：
步骤S40，基于主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号。
在本实施例中，无线信号处理装置得到了降噪矩阵信号之后，根据主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号。
本实施例通过上述方案，基于无线接收器接收无线路由器发出无线信号；基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号；基于主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号。由此，降低了无线信号的冗余。
进一步地，参照图5，图5为本发明无线信号处理方法第三实施例的流程示意图。基于上述图4所示的实施例，步骤S40基于主成分分析算法对所述降噪矩阵信号进行降维运算，得到降维矩阵信号，可以包括：
步骤S41，将所述降噪矩阵信号中的一个空间样本点输入主成分分析算法中，对所有空间样本点进行中心化处理；
在本实施例中，无线信号处理装置在得到了降噪矩阵信号之后，将所述降噪矩阵信号中的一个空间样本点输入主成分分析算法中，对所有空间样本点进行中心化处理。其中，主成分分析算法(Principal components analysis，PCA)是一种分析、简化数据集的技术。所述空间样本点为D＝{x1,x2,...,xn}，中心化后的空间样本点为xi为降噪矩阵信号中的一个空间样本点。
步骤S42，计算所述空间样本点的协方差矩阵，并对所述协方差矩阵进行分解，求出每一个特征值以及每一个特征向量；
在本实施例中，无线信号处理装置在对空间样本点进行中心化处理之后，计算样本的协方差矩阵zzT，并针对此协方差矩阵进行分解，求出各特征值λi及特征向量wi。
步骤S43，根据预设重构阈值和所述特征值，确定降维维度；
在本实施例中，无线信号处理装置在确定了空间样本点的每一个特征值以及每一个特征向量之后，根据预设重构阈值t和所述特征值λi，来选取使成立的最小/>(降维维度)作为投影空间的维数。
步骤S44，将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号。
在本实施例中，无线信号处理装置在确定了降维维度之后，将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号。降序排列特征值λi，选择前个特征值所对应的特征向量，构成投影矩阵/>
例如，假设原空间样本点为xi，其中i＝1,2,3...n。设样本点的均值为则中心化后的样本点有：/>假设投影得新坐标系{w1,w2,...,wd}，wi为标准正交基向量，||wi||2＝1，wi Twj＝0(x≠y)。假定d表示原维度，/>表示降维后的维度，则pi＝(pi1,pi2,...,pid)表示样本点在低维坐标系中的投影，其中/>代表样本点αi在低维空间中第j维的坐标。则wTαi表示样本点αi在低维空间中的投影，其中w＝{w1,w2,...,wd}。经计算得投影后样本点方差为/>则可以用公式/>s.t.wTw＝1、表示优化目标函数：经转化可得公式zzTw＝λw；将公式zzTw＝λw代回式/>可以发现，关键问题转换为求最大特征值，而投影空间w的每一维基向量为协方差矩阵zzT的特征向量。
本实施例通过上述方案，将所述降噪矩阵信号中的一个空间样本点输入主成分分析算法中，对所有空间样本点进行中心化处理；计算所述空间样本点的协方差矩阵，并对所述协方差矩阵进行分解，求出每一个特征值以及每一个特征向量；根据预设重构阈值和所述特征值，确定降维维度；将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号。由此，降低了无线信号的冗余。
本发明还提供一种无线信号处理装置。
本发明无线信号处理装置包括：无线接收器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无线信号处理程序，所述无线信号处理程序被所述处理器执行时实现如上所述的无线信号处理方法的步骤。
其中，在所述处理器上运行的无线信号处理程序被执行时所实现的方法可参照本发明无线信号处理方法各个实施例，此处不再赘述。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有无线信号处理程序，所述无线信号处理程序被处理器执行时实现如上所述的无线信号处理方法的步骤。
其中，在所述处理器上运行的无线信号处理程序被执行时所实现的方法可参照本发明无线信号处理方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种无线信号处理方法，其特征在于：所述无线信号处理方法包括如下步骤：
基于无线接收器接收无线路由器发出无线信号；
基于信道状态解析程序对所述无线信号进行解析，得到矩阵信号；
基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号；
将所述降噪矩阵信号中的一个空间样本点输入主成分分析算法中，对所有空间样本点进行中心化处理；
计算所述空间样本点的协方差矩阵，并对所述协方差矩阵进行分解，求出每一个特征值以及每一个特征向量；
根据预设重构阈值和所述特征值，确定降维维度；
将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号；
其中，所述基于巴特沃斯滤波程序对所述矩阵信号进行高频滤波，得到处理后的降噪矩阵信号的步骤，包括：
获取所述无线接收器的采样频率、人体波动频率以及滤波阶数；
根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值；
将所述矩阵信号中的信号幅值替换成所述滤波幅值，得到降噪矩阵信号；
所述根据所述采样频率、所述人体波动频率以及所述滤波阶数计算得到滤波幅值的步骤包括：
根据所述采样频率和所述人体波动频率计算截止频率；
基于所述截止频率和所述滤波阶数对所述矩阵信号中的信号幅值进行高频滤波，得到滤波幅值；
所述截止频率其中，fc为人体波动频率，fs为采样频率，所述人体波动频率fc为10Hz，所述采样频率fs为50Hz，所述截止频率wc为0.4πrad/s；
所述滤波幅值的平方其中，N为滤波阶数；
所述将所述特征值降序排列，选择所述降维维度的数量个特征值对应的特征向量，构成降维矩阵信号的步骤，包括：
降序排列特征值λi，选择前个特征值所对应的特征向量，构成投影矩阵若原空间样本点为xi，其中i＝1,2,3...n，设样本点的均值为/>则中心化后的样本点有：/>假设投影得新坐标系{w1,w2,...,wd}，wi为标准正交基向量，||wi||2＝1，wi Twj＝0(x≠y)，假定d表示原维度，/>表示降维后的维度，则pi＝(pi1,pi2,...,pid)表示样本点在低维坐标系中的投影，其中/>代表样本点αi在低维空间中第j维的坐标，则wTαi表示样本点αi在低维空间中的投影，其中w＝{w1,w2,...,wd}；投影后样本点方差为/>则用公式/>s.t.wTw＝1，表示优化目标函数，经转化得公式zzTw＝λw；将公式zzTw＝λw代回式/>则关键问题转换为求最大特征值，投影空间w的每一维基向量为协方差矩阵zzT的特征向量。
2.根据权利要求1所述的无线信号处理方法，其特征在于，所述空间样本点为D＝{x1,x2,...,xn}，中心化后的空间样本点为xi为降噪矩阵信号中的一个空间样本点。
3.根据权利要求1所述的无线信号处理方法，其特征在于，所述降维维度通过进行计算得到，其中，d为空间样本点的维数，λi为特征值，t指预设重构阈值。
4.一种无线信号处理装置，其特征在于：所述无线信号处理装置包括：无线接收器、存储器、处理器及存储在所述存储器上并在所述处理器上运行的无线信号处理程序，所述无线信号处理程序被所述处理器执行时实现如权利要求1至3中任一项所述的无线信号处理方法的步骤。
5.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有无线信号处理程序，所述无线信号处理程序被处理器执行时实现如权利要求1至3中任一项所述的无线信号处理方法的步骤。
CN202110673413.6A 2021-06-17 2021-06-17 无线信号处理方法、装置及计算机可读存储介质 Active CN113507278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110673413.6A CN113507278B (zh) 2021-06-17 2021-06-17 无线信号处理方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110673413.6A CN113507278B (zh) 2021-06-17 2021-06-17 无线信号处理方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113507278A CN113507278A (zh) 2021-10-15
CN113507278B true CN113507278B (zh) 2023-10-24

Family

ID=78010015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110673413.6A Active CN113507278B (zh) 2021-06-17 2021-06-17 无线信号处理方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113507278B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107871139A (zh) * 2017-11-01 2018-04-03 西安交通大学 一种邻域保持嵌入改进算法的数据降维方法
CN109859857A (zh) * 2019-01-30 2019-06-07 深圳安泰创新科技股份有限公司 身份信息的标注方法、装置和计算机可读存储介质
CN110287863A (zh) * 2019-06-24 2019-09-27 桂林电子科技大学 一种基于WiFi信号的手势识别方法
CN111481203A (zh) * 2020-05-22 2020-08-04 哈尔滨工程大学 一种基于信道状态信息的室内静态被动人体检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110088643B (zh) * 2018-08-31 2021-12-07 深圳迈睿智能科技有限公司 人体存在探测器及其人体存在探测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107871139A (zh) * 2017-11-01 2018-04-03 西安交通大学 一种邻域保持嵌入改进算法的数据降维方法
CN109859857A (zh) * 2019-01-30 2019-06-07 深圳安泰创新科技股份有限公司 身份信息的标注方法、装置和计算机可读存储介质
CN110287863A (zh) * 2019-06-24 2019-09-27 桂林电子科技大学 一种基于WiFi信号的手势识别方法
CN111481203A (zh) * 2020-05-22 2020-08-04 哈尔滨工程大学 一种基于信道状态信息的室内静态被动人体检测方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
"Feature Extraction In Noise-Diverse Environments For Human Activities Recognition Using Wi-Fi";S. Arshad;《Computer Science》;20191204;第57-64页 *
"Wi-Play: Robust Human Activity Recognition for Somatosensory Game Using Wi-Fi Signals";Xiaoxiao Cao等;《ICCCS 2016: Cloud Computing and Security》;20161101;第209-213页 *
"基于sEMG和LSTM的下肢连续运动估计";王斐 等;《东北大学学报（自然科学版）》;20200410;第41卷(第3期);第308页 *
Data dimensional reduction and principal components analysis;Nema Salem等;《Procedia Computer Science》;第163卷;292-299 *
S. Arshad."Feature Extraction In Noise-Diverse Environments For Human Activities Recognition Using Wi-Fi".《Computer Science》.2019, *
Xiaoxiao Cao等."Wi-Play: Robust Human Activity Recognition for Somatosensory Game Using Wi-Fi Signals".《ICCCS 2016: Cloud Computing and Security》.2016, *
高维优化问题进化求解中增强收敛性的进化算子研究;周利发;《中国优秀硕士学位论文全文数据库信息科技辑》;I140-264 *

Also Published As

Publication number Publication date
CN113507278A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
EP3637290B1 (en) Unlocking control method and related product
RU2731370C1 (ru) Способ распознавания живого организма и терминальное устройство
US11074466B2 (en) Anti-counterfeiting processing method and related products
CN108304758B (zh) 人脸特征点跟踪方法及装置
CN107657218B (zh) 人脸识别方法及相关产品
WO2019020014A1 (zh) 解锁控制方法及相关产品
CN107451454B (zh) 解锁控制方法及相关产品
US20140334734A1 (en) Systems and Methods for Facial Age Identification
WO2019011099A1 (zh) 虹膜活体检测方法及相关产品
WO2014180121A1 (en) Systems and methods for facial age identification
EP3623973A1 (en) Unlocking control method and related product
US11189298B2 (en) Acoustic zooming
JP2016212066A (ja) 移動体端末、センサ値補間方法、センサ値補間プログラム、行動認識装置および行動認識システム
CN110062222B (zh) 一种视频的评价方法、终端、服务器及相关产品
CN109558826B (zh) 基于模糊聚类的手势识别方法、系统、设备及存储介质
CN114612531A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113507278B (zh) 无线信号处理方法、装置及计算机可读存储介质
CN110808061B (zh) 语音分离方法、装置、移动终端及计算机可读存储介质
CN113421211A (zh) 光斑虚化的方法、终端设备及存储介质
CN107358183B (zh) 虹膜活体检测方法及相关产品
CN114264365B (zh) 风噪检测方法、装置、终端设备及存储介质
CN112966554B (zh) 一种基于局部连续性的鲁棒性人脸识别方法及系统
CN114140655A (zh) 图像分类方法、装置、存储介质及电子设备
CN107391985B (zh) 一种解密图像验证方法、终端及计算机可读存储介质
CN114049299A (zh) 基于Bi-LSTM网络模型的人数统计方法、装置及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant