1.一种适用于WiFi跨场景感知的源域选择方法,其特征在于,所述方法的步骤为:步骤1、在多个室内场景中采集不同动作的WiFi信号并提取通道信号状态信息CSI,其中一个场景的数据作为目标域 ,其他多个场景的数据作为多个源域, 对目标域及所有源域中的数据样本打上
类别标签;
步骤2、采用深度卷积神经网络训练其中第i个源域 的数据;
步骤3、利用训练好的深度卷积神经网络作为特征提取器,提取源域 所有数据的特征,以及目标域 少量带有标签数据的特征;
步骤4、在源域 及带有标签的目标域 数据中,计算不同类别的类原型,将同一类原型的余弦相似度作为该类的局部相似度,统计所有类的局部相似度之和的倒数,作为局部距离;
步骤5、利用JS散度来衡量源域 和目标域 全局数据概率分布的相似度,并将其作为全局距离;
步骤6、线性组合该局部距离和全局距离,作为两个域的距离衡量标准;
步骤7、重复步骤2‑6遍历其余所有的源域,并选择最小距离所对应的源域,用于后续的跨场景感知。
2.根据权利要求1所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,在目标域 中,只有极少量的数据带有类别标签信息用于训练;多个源域中,全部数据打上类别标签信息。
3.根据权利要求1所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,采用深度卷积神经网络AlexNet训练某一个源域数据。
4.根据权利要求1所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,步骤3具体为,利用训练好的神经网络作为特征提取器,将最后一个全连接层作为样本特征,提取该源域所有数据的特征,以及目标域少量带有标签数据的特征。
5.根据权利要求1所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,步骤4具体为,在该源域、带有标签的目标域数据中,将各类别特征的平均值作为类原型,其公式为:,
其中, 为第k类动作的类原型, 为第k类动作的样本数, 为第k类动作的第i个样本, 是特征提取器;
然后利用余弦相似度衡量该源域和目标域的同一类原型之间的相似程度,将各类别的类原型相似度之和的倒数作为局部距离;源域 和目标域 的局部距离表示为:
,
其中, 、 分别为源域和目标域中第k类动作的类原型,K指动作类别数, 为余弦相似度。
6.根据权利要求5所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,在步骤5中,利用JS散度来衡量源域 和目标域 中所有样本数据全局概率分布的相似度,并将其作为全局距离 :,
其中, 、 分别为两个域的概率分布。
7.根据权利要求6所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,步骤6中,线性组合局部距离和全局距离,作为两个域的距离衡量标准:,
其中,u为平衡参数。
8.根据权利要求7所述的一种适用于WiFi跨场景感知的源域选择方法,其特征在于,步骤7中,对所有的源域计算各源域到目标域的距离,即计算出,并选择最小距离所对应的源域
:
,
其中, 表示集合中最小元素所对应的源域数据;利用选出的源域 和给定目标域 进行后续跨域感知模型的构建。