基于机器学习的无线感知信号识别算法的研究与实现开题报告

1. 研究目的与意义

无线感知技术是指由传感器，监视器等监控设备感知收集到原始信息并通过无线网络传输到信息处理端，由信息处理端进行信息的处理并作出下一步的动作，然后反馈动作信息到信息接收端的一系列动作。

无线感知技术运用的范围非常的广泛。伴随着社会的发展，各种科学技术越来越先进，人们向往美好生活的愿望也越来越强烈，以前很多需要人力来进行的工作现在都可以用机器来代替完成了，这其中无线感知技术可以说是起到了至关重要的作用，例如用无人机进行危险地形勘测，军事领域上用小型机器人进行敌情的探查，还有基于无线信号的人体动作识别^[15]，这些工作都需要有前期的数据采集，后面再由人工智能进行数据的分析处理，进而在人力很少参与或不参与的情况下完成工作。

人体行为检测的含义是在人机交互中由计算机对交互得到的某些数据进行计算分析从而自动给出被检测者目前人体所进行的行为动作状态。基于无线信号的行为识别和监测在许多方面都得到了应用，其具有十分重要的研究意义。它在安防、医疗、智能家居和环境感知等领域具有十分广泛的应用价值。如在居家养老时可以检测老人摔倒等异常情况，在智能家庭中可以通过人体的动作识别人们的行为意图，在公共场合与各种人机交互场景下，行为识别技术也占有着十分重要的地位。

2. 研究内容和预期目标

主要研究内容：

本课题主要研究如何将接收到的信号的rss用来进行动作识别，对提取到的rss值进行去噪和去除干扰，再对处理过的时域信号进行短时傅里叶变换，从而完成信号前期的处理工作，而对收集并进行了前期处理的信号数据需要进行分类识别，而这就需要用到svm算法了。

svm是用来解决二分类问题的有监督学习算法，在引入了核方法之后svm也可以用来解决非线性问题。选择合适的核函数^[13]，可以将在二维和三维空间线性不可分的数据映射到更高维使其线性可分，然后再将其映射到低维空间^[8]，最后利用matlab对数据进行分类和识别，随着样本数据集规模的扩大，如何完善算法以提升效率值得研究。

3. 研究的方法与步骤

研究方法：

本课题对采集到的的信号的rss值先进行去噪，除干扰等处理，然后在进行短时傅里叶变换，最后再用svm分类模型对数据进行分类和识别。同时，也进一步研究svm算法从二维简单数据的处理扩展到多维复杂数据的处理。

根据要求安装配置matlab环境，解库函数的调用以及其程序的实现过程，通过进行一些调试和案例实验，生成随机数据，一部分样本数据用于训练，一部分用于测试完善模型，并分析结果。

4. 参考文献

[1]hsieh, w.w.．machine learning methods in the environmental sciences: neural networks and kernels：cambridge university press，2009.

[2]nello cristianini, john shawe-taylo. 支持向量机导论[m]. 电子工业出版社, 2004.

[3]vapnik, v.．statistical learning theory. 1998 (vol. 3). ．new york, ny：wiley，1998.

5. 计划与进度安排

1、2021.3.5-2022.4.5：充分查阅相关资料，撰写并修改完成开题报告；

2、2022.4.6-2022.4.25：深入研究支持向量机的算法原理，并在此基础上利用matlab语言对数据进行分类识别；

3、2022.4.26-2022.5.20：对程序及功能进行改进，以便更符合课题设计要求；