科创中国

电子信息技术

基于CSI幅度-子载波概率分布的陌生人识别算法，其特征在于：针对已有基于CSI的身份识别算法都是从时域或频域的角度进行研究的现状，该算法创新性地从幅度-子载波的角度进行研究，从不同人产生的特定CSI幅度序列中提取每个子载波对应的幅度在不同区间的概率分布作为特征；而且与已有基于CSI的身份识别方法主要专注于识别训练集之内的人不同的是，该算法选取家庭成员之外的其他人作为负样本，并使用SVM分类器将陌生人样本归类，从而实现了训练集之外的陌生人的识别，该算法共分为三个模块：CSI序列分段、特征提取和陌生人识别，首先，CSI序列分段模块使用基于平均绝对偏差的方法从整个CSI序列中分割出“有效区域”对应的部分CSI序列，为下一步的特征提取做准备；然后，特征提取模块通过计算幅度在每个子载波上的概率分布，提取了一种新的特征；最后，陌生人识别模块使用SVM作为分类器，将家庭成员和陌生人分为两个类别，通过判断未知样本属于某个类别的概率大小实现陌生人的识别。

本发明公开了一种基于CSI幅度‑子载波概率分布的陌生人识别算法ASPD。针对已有基于CSI的身份识别算法都是从时域或频域的角度进行研究的现状，本发明创新性地从幅度‑子载波的角度进行研究，通过计算幅度在每个子载波上的概率分布，提取了一种新的特征，从而提高了陌生人的识别率。而且由于已有基于CSI的身份识别算法主要应用场景是智能家居或人机交互，其主要专注于识别训练集之内的人，对训练集之外的陌生人的识别效果不好，而本发明则主要专注于对训练集之外的陌生人的识别。实验结果表明，ASPD算法在实验室和大厅两种环境下的识别率分别达到了***％和***％，证明了其对陌生人识别的有效性。

我们的团队专注于开发基于CSI幅度-子载波概率分布的陌生人识别算法，通过分析无线信号的细微变化，实现高精度的个体识别。利用通道状态信息（CSI）的统计特性，我们的算法能够区分熟悉和陌生的信号模式，增强安全系统的侵入检测能力。这种技术适用于安全监控、智能家居和公共安全领域，为环境提供更智能、更精确的监控解决方案。团队由数据科学家、安全专家和软件工程师组成，致力于通过创新的信号处理技术提升识别系统的效率和准确性。