def get_csi_feature(csi_data, filename_time):
print('data pre_processing')
time_stamp = get_timestamp(filename_time)
# print(1)
csi_value = get_csi_value(
csi_data) # 求输入数据的模值 #input(270,50---), output csi_value(50---,270)
print('csi_value done')
print('csi_value', csi_value.shape)
# csi_value_process = data_butter_filter(csi_value) # input：csi_value：50~~~*270 # output：csi_butter：270*50~~~
# print('csi_value_process', csi_value_process.shape)
# print('buffer process done')
csi_sample_array = time_stamp_cut(
csi_value, time_stamp) # input：270*50~~~ output： (51, 800, 270)
print('time_stamp_cut done')
# print('csi_sample_array', csi_sample_array.shape) # (51, 800, 270)
# csi_pca_temp = ()
# for i in range(csi_sample_array.shape[0]):
# csi_pca_temp = np.append(csi_pca_temp, signal_pca(csi_sample_array[i, :, :]))
# csi_pca = csi_pca_temp.reshape(csi_sample_array.shape[0], 800, 250)
# print('pca done')
# feature_data = csi_sample_array[:,25:775,0:90]
print('feature_data', csi_sample_array.shape)
return csi_sample_array
def get_csi_feature(csi_data, filename_time):
print('data pre_processing')
time_stamp = get_timestamp(filename_time)
print(1)
csi_value = get_csi_value(csi_data) # 求输入数据的模值 #csi_value(50~~~,270)
print('csi_value done')
print('csi_value', csi_value.reshape) # (124497, 90)
csi_value_process = data_butter_filter(
csi_value) # input：csi_value：50~~~*270 # output：csi_butter：270*50~~~
print('csi_value_process', csi_value_process.shape) # (90, 124497)
print('buffer process done')
csi_sample_array = time_stamp_cut(
csi_value_process,
time_stamp) # input：270*50~~~ output： (51, 800, 270)
print('csi_sample_array', csi_sample_array.shape) # (51, 800, 270)
csi_pca_temp = ()
for i in range(csi_sample_array.shape[0]):
csi_pca_temp = np.append(csi_pca_temp,
signal_pca(csi_sample_array[i, :, :]))
csi_pca = csi_pca_temp.reshape(csi_sample_array.shape[0], 800, 5)
print('pca done')
# s = csi_pca[:, :, 1:2]
# # q = s.shape[2]
# plt.plot(s[0,:])
# plt.show()
feature_data = feature_selection(csi_pca[:, :, 1:5]) # 取第二个主成分
print('feature_data', feature_data.shape)
print('feature_selection done')
return feature_data
def get_csi_feature(csi_data, filename_time):
print(0)
time_stamp = get_timestamp(filename_time)
print(1)
csi_value = get_csi_value(csi_data) # 求输入数据的模值 #csi_value(50~~~,270)
# csi_ph_dif = get_csi_data_ph_dif(csi_value) #50```*2
# print(2)
# print('csi_value',csi_value.shape)#(124497, 90)
# csi_value_process = data_butter_filter(csi_ph_dif) # input：csi_value：50~~~*270 # output：csi_butter：270*50~~~
# print('csi_value_process',csi_value_process.shape)#(90, 124497)
# print(3)
csi_dif = signal_dif(csi_value)
csi_sample_array = time_stamp_cut(
csi_dif, time_stamp) # input：270*50~~~ output： (51, 800, 270)
print('csi_sample_array', csi_sample_array.shape) #(51, 800, 270)
# csi_pi_dif = ()
# for i in range(csi_sample_array.shape[0]):
# csi_pca_temp = np.append(csi_pi_dif, get_csi_data_ph_dif(csi_sample_array[i, :, :]))
# csi_p = csi_pi_dif.reshape(csi_sample_array.shape[0], 800, 2)
# csi_pca = csi_p[:,:,1]
# print('pca done')
feature_data = feature_selection(csi_sample_array[:, :, 1])
print(4)
return feature_data
def get_csi_feature(csi_data, filename_time):
print('data pre_processing')
time_stamp = get_timestamp(filename_time)
print(1)
csi_value = get_csi_value(csi_data) # 求输入数据的模值 #csi_value(50~~~,270)
print('csi_value done')
print('csi_value', csi_value.reshape) # (124497, 90)
csi_value_process = data_butter_filter(
csi_value) # input：csi_value：50~~~*270 # output：csi_butter：270*50~~~
print('csi_value_process', csi_value_process.shape) # (90, 124497)
print('buffer process done')
csi_sample_array = time_stamp_cut(
csi_value_process,
time_stamp) # input：270*50~~~ output： (51, 800, 270)
print('csi_sample_array', csi_sample_array.shape) # (51, 800, 270)
csi_pca_temp = ()
for i in range(csi_sample_array.shape[0]):
csi_pca_temp = np.append(csi_pca_temp,
signal_pca(csi_sample_array[i, :, :]))
csi_pca = csi_pca_temp.reshape(csi_sample_array.shape[0], 800, 250)
csi_pca = csi_pca[:, :, 1]
print('pca done')
signal_stft = ()
for single_sample in range(csi_pca.shape[0]):
f, t, Zxx = signal.stft(csi_pca[single_sample], fs=200, nperseg=256)
plt.pcolormesh(t, f, np.abs(Zxx))
plt.title('STFT Magnitude')
plt.ylabel('Frequency [Hz]')
plt.xlabel('Time [sec]')
plt.show()
signal_stft = np.append(signal_stft, Zxx)
feature_data = signal_stft.reshape(csi_pca.shape[0],
Zxx.shape[0] * Zxx.shape[1])
feature_data = abs(feature_data)
return feature_data