Цель работы – построение классификатора с использованием предварительной обработки значений CSI. В нашем мире Wi-Fi является крайне распространенной технологией. Из передаваемых по Wi-Fi пакетов можно извлечь CSI. Из CSI можно извлечь амплитудные и фазовые значения передаваемого сигнала. Данные значения используются в методах машинного обучения для классификации объектов. Из-за нестабильности радиоэлектронной обстановки CSI требует предварительной обработки. Методы предварительной обработки могут представлять собой как и простые фильтры, так и методы, основанные на алгоритмах машинного обучения. Цель данной работы – изучить влияние различных методов предварительной обработки данных на точность классификации, разработать классификатор с использованием метода предварительной обработки. В работе была построена экспериментальная установка, сняты наборы данных для нескольких различных объектов, проанализированы методы предварительной обработки, построен классификатор. Использовались открытые образовательные ресурсы и программы поиска и анализа информации, такие как IEEE Xplore, Google Scholar. Применено программное обеспечение OpenWrt, Python, SciKit, NumPy, Matplotlib.

The object of the study is the accuracy and speed of object classification based on CSI (Channel State Information). The purpose of the work is to build a classifier using preprocessing of CSI values. In our world, Wi-Fi is an extremely common technology. The Wi-Fi signal can be used to identify and classify objects in the surrounding world. This is achieved by receiving CSI transmitted packets. The amplitude and phase values of the transmitted signal can be extracted from the CSI. These values are used in machine learning methods to classify objects. Due to the instability of the electronic environment, CSI requires pre-processing. Preprocessing methods can be both simple filters and methods based on machine learning algorithms. The purpose of this work is to study the influence of various methods of data preprocessing on the final result of classification, to develop a classifier using the method of preprocessing. An experimental setup was built, data sets for several different objects were taken, preprocessing methods were analyzed, and a classifier was built. Open educational resources and information search and analysis programs, such as IEEE Xplore, Google Scholar, were used. The software is OpenWRT, Python, SciKit, NumPy, Matplotlib.