技術特征：

1.一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于，包括如下步驟：

步驟一，獲取一段時間T范圍內的Wi-Fi信道狀態信息CSI，采用去離群值濾波器去除原始CSI中的離群值；

步驟二，對于經步驟一處理后所獲的CSI，采用線性變換的方法對其相位信息進行處理，獲得的校準后的相位信息成為后面步驟可用于移動檢測的有效形式；

步驟三，處理經步驟一和步驟二處理后獲得的CSI信息，按照時間窗口長度t和滑動窗口Δt提取出T時間內的個時間窗口內的CSI幅度和相位的相關系數矩陣的特征值，然后從CSI幅度和相位的相關系數矩陣的特征值中分別提取n個組成一個時間窗口內的CSI特征向量，將該時間窗口內的CSI特征向量輸入到預先訓練好的分類器，得到分類結果用以判斷是否有移動的物體：若有移動物體，則對該時間窗口進行標記；若沒有移動物體，則不進行標記；

步驟四，對于經步驟一處理后所獲得的CSI，使用低通濾波器和主成分分析法去除其中的高頻噪聲，獲得能夠表示用戶呼吸狀態的信息，利用該呼吸信號計算用戶的呼吸速率，并去除其中有標記的時間窗口內的數據。

2.根據權利要求1所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：所述去離群值濾波器為Hampel去離群值濾波器。

3.根據權利要求1所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：步驟二所述采用線性變換的方法對其相位信息進行處理的具體過程如下：

首先，用表示CSI第i個子載波的相位的測量值，其中，φ_i表示第i個子載波的真實相位信息，δ表示接收端方向的時間誤差，β是未知的相位偏差，Z表示測量誤差，N表示快速傅里葉變換采用的點數；

然后令為兩個中間變量，因為可以看成近似為0，所以

最后計算得到真實相位的線性變換,該校準后的相位信息相比較于測量相位分布更加穩定。

4.根據權利要求1所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：步驟三所述一個時間窗口內的CSI幅度和相位的相關系數矩陣通過下述過程獲?。?/p>

首先，記一個時間窗口內的CSI包含k組測量值；

其次，對這k組測量值，用m×1的向量A_j來表示第j組CSI測量值中m個子載波的幅度或相位，其中1≤j≤k，為了消除信號絕對能量的影響，對所有A_j進行標準化得到

最后，用來表示兩個幅度向量或兩個相位向量的相關系數，其中1≤i，j≤k，通過計算得到幅度數據或相位數據的相關系數矩陣

5.根據權利要求1所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：步驟三所述n個為最大的3個。

6.根據權利要求1所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：步驟四所述低通濾波器為巴特沃茲低通濾波器。

7.根據權利要求1所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：步驟四所述采用主成分分析法去除CSI中的高頻噪聲獲得能夠表示用戶呼吸狀態的信息的具體過程如下：

首先，記一個時間窗口內的CSI包含k組測量值；

然后，用一個k×1的向量HP_i表示CSI的第i個子載波的時間序列，則m個子載波的時間序列用k×m的矩陣HP＝[HP₁,HP₂,HP₃,…,HP_m]表示；讓HP中的每一列的每一個元素都減去該列的平均值，得到標準化后的計算的k×k協方差矩陣S，并求出S的特征值，選出其中n個特征值對應的k×1的特征向量e₁、e₂、……e_i……e_n；其中1≤i≤n；

最后，根據公式計算出k×1的呼吸信號breathSignal，其中α_i是權重系數，1≤i≤n。

8.根據權利要求7所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：所述n個特征值為最大的2個特征值。

9.根據權利要求7所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：所述

10.根據權利要求1-9任一所述的一種復雜環境下基于信道狀態信息監測睡眠的方法，其特征在于：步驟四所述利用呼吸信號計算用戶的呼吸速率的具體過程如下：對于一個時間窗口內獲得的呼吸信號breathSignal，首先提取出其中關于幅度的信息，繪成波形圖，兩個波峰之間的間隔就是用戶呼吸一次的時間；然后通過計算獲得用戶的呼吸周期E，其中p_i是第i對相鄰波峰值時間間隔，u是相鄰波峰對數；最后通過計算R＝60/E來獲得用戶在這一個時間窗口內的呼吸速率。