Объект исследования – информация о состоянии канала в сети Wi-Fi. Цель работы – построение классификатора положения человека на основе информации о состоянии канала в сетях Wi-Fi. В процессе исследования рассмотрены теоретические сведения об информации о состоянии канала (CSI), а также некоторые посвященные ей существующие исследования: распознавание человеческой деятельности, подсчет количества действий и их классификация. Рассмотрены используемые в работе алгоритмы машинного обучения с учителем: алгоритм k ближайших соседей, метод логистической регрессии, линейный метод опорных векторов, а также их собственные параметры, влияющие на степень обучения и точность классификации. В ходе проведенного эксперимента получены данные информации о состоянии канала (CSI), выделены статистические признаки для классификации, на их основе построен классификатор с использованием нескольких алгоритмов машинного обучения. Исследовано влияние предварительной обработки данных, набора признаков, а также собственных параметров алгоритмов на точность правильного определения положения. Произведена настройка классификатора по критерию максимума вероятности правильного определения положения. Выявлено, что алгоритмом, обеспечивающим наибольшую точность классификации положения человека в канале Wi-Fi – 96,1 %, является алгоритм k ближайших соседей.

The subject of the graduate qualification work is channel state information in Wi-Fi network. The given work is devoted to the construction of a human position classifier based on channel state information in Wi-Fi networks. During the study, theoretical intelligence about channel state information (CSI) was considered, as well as some existing studies devoted to it: recognition of human activity, counting the number of actions and their classification. Supervised machine learning algorithms used in the work are considered: the k nearest neighbors algorithm, the logistic regression method, the linear support vector machine, as well as their own parameters that affect the fitting degree and classification accuracy. During the experiment, channel state information (CSI) was obtained, statistical features for classification were extracted, also based on them a classifier was built using several machine learning algorithms. The influence of data preprocessing was studied, a set of features, as well as the own parameters of algorithms on the accuracy of the correct position determination. The classifier was tuned according to the criterion of the maximum probability of correct position determining. It was found that the algorithm that provides the highest classification accuracy of a person's position in the Wi-Fi channel - 96.1 %, is the k nearest neighbors algorithm.