[发明专利]一种基于WiFi信号的情绪识别方法

权利要求书

1.一种基于WiFi信号的情绪识别方法，其特征在于，该方法包括以下步骤：

A1，收集在不同情绪下，WiFi路由器发出的无线信号；

A2，从无线信号中提取出CSI信号；

A3，对CSI数据处理、建模，提取心室波动曲线、心房波动曲线和呼吸波动曲线；

A4，提取情绪波动曲线，进行聚类分析；

A5，通过深度学习识别内在情绪；

A6，根据实测的准确率，返回步骤A4进行迭代分析；

其中，对于步骤A3，对于CSI数据处理包括：

B1，数据预处理，包括：

针对由情绪引起的心率变动和呼吸变动是微小变动，使用带通滤波过滤高频数据；

针对不同WiFi设备发送功率对CSI数据的影响，对CSI数据进行归一化处理；

B2，去除环境噪声，包括：

多径抑制，即，将CSI从频域变换到时域(IFFT)，再通过移除与心率、呼吸不相关的长时延的信号成分，以减轻环境变化和人体移动引起的多径变化；

小波滤波，即，利用离散小波变换去除高频噪声；

B3，去除个体差异，即在收集的数据中排除与情绪无关的影响因素，包括性别、年龄、当前的活动量；

步骤A4包括：

提取情绪波动曲线，即，通过对CSI频域数据特征分析，提取和心率、呼吸相关的信道数据，将所述与心率、呼吸相关的信道周期性数据提取出来；并与实验室记录的情绪发生时间，持续时间匹配与对比，在统计上使用F检验，找出波动明显的数据；

接着进行情绪识别，即对心房波动曲线、心室波动曲线、呼吸波动曲线，分析波峰间隔和波峰间隔的标准差；

并且分析不同情绪的功率谱表现，对不同情绪的功率谱表现数据做聚类分析，再分析与调整相关特征数据；

将所述相关特征数据转化成一个向量，作为输入，使用深度学习算法进行分类识别，并记录分类结果，与原始数据分析比较，分析精准率，召回率数据，对模型进行迭代。