[发明专利]一种基于多模感知的身份识别方法

权利要求书

1.一种基于多模感知的身份识别方法，其特征在于以下步骤：

步骤1，获取无线信道状态信息CSI和声音信号，包括：

(1.1)集成硬件节点，声音采集模块，无线传输网卡和全向天线；

(1.2)在室内布置两个节点，其中一个发送无线信号，另一个接收无线信号并采集CSI数据；

(1.3)两个节点同时采集声音信号；

(1.4)对于(1.2)和(1.3)中采集的数据，都传输到服务器进行综合处理、分析；

步骤2，训练阶段，提取数据特征并建立特征数据库和分类器，包括：

(2.1)在安静的环境下采集用户行走在一条固定的路线上时产生的CSI信号和声音信号。在接收节点处采集CSI信号并在两个节点同时采集声音信号；

(2.2)对步骤(2.1)中获得的信号，在三种特征空间(置信度独立空间，CSI置信度敏感空间，声音置信度敏感空间)下进行训练特征提取；其中用CSI信号搭配声音信号生成CSI置信度敏感空间特征，CSI置信度敏感空间特征包括行走检测和步态检测两个过程的CSI信号形状，信号形状又包括最小值、最大值、平均值、标准差、斜率、峰值、谱熵、四分之一点、中值点、四分之三点、平均穿越率；用声音信号生成置信度独立空间特征和声音置信度敏感空间特征，置信度独立空间特征包括步态周期和步态间隔，声音置信度敏感空间特征包括美尔频率倒谱系数MFCC，能量，脚步持续时间；

(2.3)对步骤(2.2)中获得的三种特征空间下的特征，结合身份类别真实值的标记，可以用搭载径向基函数RBF内核的支持向量机SVM分别在各个特征空间内构建三个概率分类器；概率分类器可以输出当前数据属于各个身份类别的概率；

步骤3，识别阶段，数据预处理并融合分类器结果,包括：

(3.1)对CSI数据做逆傅里叶变换并去除传播时间大于阈值的部分，以消除采集过程中CSI信号中较长的传播路径；用Hampel滤波器去除CSI数据中离异的数据点并用通带频率为10-80Hz的巴特沃斯滤波器消除CSI信号中普遍存在的高频噪声的影响；用短时傅里叶变换搭配谱减法消除声音信号中存在的高斯噪声；

(3.2)对于(3.1)中得到的CSI和声音信号，分别计算CSI能量和噪声方差var(noise)，windowlength是计算能量的时间窗口大小，magnitude是在此窗口内计算的标准化的傅里叶系数，noise是声音信号中的幅值；根据以上两个值判断是否有人在室内行走；

(3.3)对于(3.1)中得到的声音信号，根据其幅值变化实现步态检测，并根据日常经验设定步态周期的最大最小值对检测结果进行校准；

(3.5)根据(2.1)和(3.1)中两个阶段的CSI和声音信号，分别计算识别时采集的CSI信号和声音信号的置信度，并将这些置信度标准化；CSI信号的置信度是测试时CSI能量波动和训练时能量波动的对比，如公式(1)所示：

其中代表的是训练时CSI信号的能量的方差，CPV_test是识别时实时采集的CSI信号的能量的方差；

声音信号的置信度是测试时声音信号信噪比和训练时信噪比的比值，如公式(2)所示：

其中SSNRA_test是识别时的算数分段信噪比，是训练时的算数分段信噪比；SSNRA的计算方式如公式(3)所示：

其中K是时间窗口内分段的数量，M_i是第i个声音分段内的样本数，s_i[j]和n_i[j]，分别表示第i个声音分段内第j个识别时脚步声样本和第j个训练时噪声样本；

(3.6)对于(3.1)中得到的CSI和声音信号，在三种特征空间下同样提取(2.2)中的特征；用(2.3)中的分类器对这些特征进行分类，其中CSI信号特征和声音模块的步态特征输入CSI置信度敏感空间概率分类器，声音信号特征输入置信度独立空间概率分类器和声音置信度敏感空间概率分类器；最终三个分类器都得到采集的CSI信号对应各个身份类别的概率值；再结合(3.5)中得到的CSI置信度和声音置信度对CSI置信度敏感空间的结果和声音置信度敏感空间的结果进行加权求和，得到最终各个候选身份的概率；此概率最高所对应的候选身份就是系统最终的识别结果。

2.根据权利要求1所述的一种基于多模感知的身份识别方法，其特征在于在所述步骤(1.1)所述的硬件节点，是集成现有商用无线芯片和声音传感器的节点原型。