[發(fā)明專利]應用于UWB室內定位中遮擋物類別識別的特征選擇方法

有效

• 申請?zhí)枺?/td>: 202010114879.8
• 申請日: 2020-02-25
• 公開（公告）號: CN111356227B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設計）人: 陳張平;李闖;張帆;趙曉東;孔亞廣;鄒洪波;陳云;孫偉華
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;H04W4/33;G06K9/62
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.應用于UWB室內定位中遮擋物類別識別的特征選擇方法，其特征在于該方法包括以下步驟：

步驟一：建立基于CIR信號特征的特征選擇模型

給定一個含有k個樣本的數據集D，D＝{d₁,d₂,...,d_k}，數據集D中每類樣本d_i＝{X_i,L_i}均有特征集合X_i＝{x_i1,x_i2,...,x_in}，其中n＝1,2,...,8分別表示第一條路徑能量、最大幅值、上升時間、標準差、平均超額延遲、均方根延遲擴展、峰度和偏度8個CIR信號特征；

針對多分類問題，每個樣本存在標簽集合L_i＝{l_i¹,l_i²,...,l_i^m}，其中m為遮擋物種類數量；l_i^m＝{1，-1}，如果l_i^m＝1，表示被標記為m類樣本，否則為-1；

特征選擇就是在一定的約束條件下從特征集合X中選出一個特征子集B在某一評價指標下最優(yōu)，其中B＝{b₁,b₂,...,b_n}，b_w＝{1,0}(w＝1,2,...,n)，如果b_w＝1表示選中特征x_w，反之b_w＝0表示未選中；

步驟二：基于互信息度量建立特征評價指標

設定特征與標簽之間的相關性D(x_i,L)，特征與特征之間的冗余性R(x_i,x_j)，引入已選特征子集的計算時間代價C(B)；則

其中I(；)表示互信息計算，|L|表示標簽集合L中標簽類別數量，|X|表示特征集合X中特征的數量，I(x_i；l_j)表示特征x_i與類別標簽l_j的互信息，I(x_i；x_j)表示特征x_i與特征x_j之間的互信息，B為已選特征子集，c(x_i)表示特征x_i的計算代價，β_i表示特征x_i計算代價與相關性的相對權重參數；

建立的最大相關性，最小冗余性，最小計算代價的綜合評價指標mRMRMC：

其中x_i∈B_s表示待選特征集合B_s內的特征，在此綜合評價指標下，已選特征子集B應滿足

步驟三：設定最小相關性約束閾值η_d、計算代價約束閾值η_c、最大評價指標約束閾值η_j

約束條件1：最小相關性約束

設定最小相關性約束閾值η_d，一旦特征與標簽相關性D(x_i,L)η_d，則直接舍棄該特征x_i；

約束條件2：計算代價約束

設定計算代價約束閾值η_c，如果C(B)+c(x_j)η_c則直接確定最優(yōu)特征子集為B_best＝B；

約束條件3：最大評價指標約束

設定最大評價指標約束閾值η_j，0η_j≤1，x_j∈B_s表示待選特征集合內評價標準最大的特征；如果則表示加入x_j后系統(tǒng)的識別準確度達到實際需求，此時最優(yōu)特征子集B_best＝B∪x_j；

步驟四：刪除相關性小于最小相關性約束閾值的特征

步驟五：反向刪除確定首個特征，具體是：

首先，計算整體所有特征與標簽的相關性D_all(X,L)，然后反向依次刪除特征x_i得到缺失x_i后的特征集合與標簽的相關性選取出導致相關性變化最大的特征作為已選特征子集的第一個特征向量，

接著采用正向依次選擇待選特征集合B_s內的特征，將評價指標J_mRMRMC(x_i)最大的特征添加至已選特征子集B，并最終確定最優(yōu)特征子集；

若則特征x_i為整體提供最多的信息，所以將x_i作為選定集合的第一個特征B(1)＝x_i；

步驟六：從待選特征集合確定下一最優(yōu)特征，根據綜合評價指標mRMRMC確定待選特征集合中最優(yōu)的特征加入已選特征子集B中；

步驟七：根據計算代價約束閾值和最大評價指標約束閾值確定最優(yōu)特征子集。