技術(shù)特征：

1.一種基于信道狀態(tài)信息和KNN的室內(nèi)人體朝向識別方法，包括以下步驟：

步驟1：搭建信道狀態(tài)信息數(shù)據(jù)采集平臺；

步驟2：將人體在自然站立狀態(tài)下的朝向分成8個類別，每個朝向之間約有45°的夾角；

步驟3：離線訓(xùn)練階段，具體包括以下子步驟：

步驟3-1：人體在每個朝向時保持一段時間的靜止狀態(tài)，采集包含信道狀態(tài)信息的數(shù)據(jù)包；每個數(shù)據(jù)樣本的格式為：{f₁,f₂,...,f₃₀}_T×R。其中f₁～f₃₀為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

步驟3-2：取訓(xùn)練數(shù)據(jù)，取每個樣本的每條天線對上的數(shù)據(jù)，將每個訓(xùn)練樣本轉(zhuǎn)換為格式：{f₁,f₂,...,f₃₀,...,f₆₀,...f_T×R×30}；其中f₁～f_T×R×30為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

步驟3-3：去除數(shù)據(jù)中的明顯異常值；

步驟3-4：對訓(xùn)練數(shù)據(jù)進行主成分分析，得到特征矩陣mV及降維后的訓(xùn)練數(shù)據(jù)；

步驟3-5：對降維后的每組數(shù)據(jù)進行歸一化，X_new＝(X_old-min)/(max-min)，其中，X_new表示歸一化后的數(shù)據(jù)，X_old表示歸一化前的數(shù)據(jù)，min表示該數(shù)據(jù)的一列特征中的最小值，max表示該數(shù)據(jù)的一列特征的最大值；

步驟3-6：將歸一化后的數(shù)據(jù)及其對應(yīng)的朝向作為一條指紋存入指紋庫中；

步驟4：在線測試階段，具體包括以下子步驟：

步驟4-1：采集人體在某個朝向時的測試數(shù)據(jù)包；

步驟4-2：按照步驟3-2，將測試數(shù)據(jù)轉(zhuǎn)換為{f₁,f₂,...,f₃₀,...,f₆₀,...f_T×R×30}；其中f₁～f_T×R×30為子載波，T為發(fā)射天線數(shù)，R為接收天線數(shù)；

步驟4-3：使用特征矩陣mV將測試數(shù)據(jù)變換到降維后的維度；

步驟4-3：按照3-5的步驟，對每組測試數(shù)據(jù)進行歸一化；

步驟4-4：使用KNN算法，得到每組測試數(shù)據(jù)的分類結(jié)果{ori₁,ori₂,...,ori_n}，其中n為測試樣本的數(shù)量；

步驟4-5：選擇分類結(jié)果中出現(xiàn)最多的朝向作為該測試數(shù)據(jù)最終的估計方向。