一种基于迁移学习的跨场景无线信号感知方法技术

本发明专利技术公开了一种基于迁移学习的跨场景无线信号感知方法，该方法首先分别从部署了无线收发设备的原场景和目标场景采集步态或手势对应的无线信号，将收集到的无线信号在进行预处理后，进行特征提取生成训练数据，最后将提取的特征数据输入学习算法中进行学习，最终得到迁移函数，使用该迁移函数可迁移任何新来的未知的数据对象，它是脱机执行的一次性成本，而不需要进行额外的函数关系训练成本。本发明专利技术方法解决了跨场景的WiFi感知问题，即利用少量的训练样本训练迁移函数，利用该模型可迁移任意未知的对象到新的目标环境中，从而实现跨场景的识别或认证。

【技术实现步骤摘要】
一种基于迁移学习的跨场景无线信号感知方法
本专利技术涉及无线感知
，具体涉及一种基于迁移学习的跨场景无线信号感知方法。
技术介绍
随着计算机技术的快速发展，用户对物体和环境感知能力的装备越来越受到关注，智能家居和办公室等智能室内空间可以实现感应和处理功能，减轻用户佩戴或携带智能设备的需求。启用这种智能空间需要在无需设备的情况下，轻松感知用户的身份和活动。使用WiFi的无装置传感在这种情况下显示出巨大的潜力，WiFi已经成为一种强大的感知信息的媒介。现有的研究已经证明了WiFi作为一种传感技术的巨大潜力，利用无线信号可进行步态识别，手势识别，本地化，健康和风险评估，活动检测和情感识别等任务；的确，无线传感现在已经从一个研究利基转移到一个主流的活动，但目前场景的转换限制了WiFi传感的使用。首先，部署WiFi感应解决方案需要一个收集训练测量的劳动密集型和时间消耗的过程，以描述无线信道指标，如受到目标对象(例如步态或手势)影响的信道状态信息(ChannelStateInformation,CSI)或接收信号强度指标(ReceivedSignalStrengthIndicator，RSSI)；由于不同部署点对信号的影响不同，所以必须为每个部署站点的每个目标对象或活动收集这些训练数据。虽然从每个用户收集这样的数据可能是可行的，但要求每位员工或访客在智能办公环境中提供每个会议室的训练数据是不可行的。以往的研究工作在步态识别和手势识别上都得到了较好的识别效果，但都是针对单一场景下的识别，都需要从每个部署环境收集目标训练数据，无法达到跨场景感知的目的。
技术实现思路
本专利技术的目的是提供一种跨场景的无线信号感知方法，通过建立迁移模型，使得通过小规模的数据采集即可获取不同环境对无线信号的影响情况，从而实现跨场景的识别或认证。为了实现上述任务，本专利技术采用以下技术方案：一种基于迁移学习的跨场景无线信号感知方法，包括以下步骤：步骤一，信号采集在原场景、目标场景按照相同的方式部署无线信号收发设备，测试者分别在原场景、目标场景中作出相同的行为动作，通过原场景、目标场景中的无线信号收发设备分别采集测试者作出行为动作时的无线信号，并对无线信号进行预处理后进行特征提取，分别得到测试者在原场景、目标场景中的信号特征；步骤二，建立迁移函数建立神经网络，将测试者在原场景、目标场景中的信号特征作为用于训练神经网络的输入训练集，通过神经网络的训练，得到原场景到目标场景的迁移函数；步骤三，对象的迁移当待测对象位于原场景中并作出行为动作时，通过原场景中的无线信号收发设备采集无线信号，对无线信号经过预处理后进行特征提取，将得到的信号特征作为测试特征集，输入到所述的迁移函数中，则迁移函数输出的是测试特征集在目标场景中的预测值。进一步地，所述的步骤三得到预测值后，通过所述的预测值训练分类器，则当待测对象处于目标场景中作出其他行为动作时，利用训练好的分类器对所述的其他行为动作进行分类识别。进一步地，所述的无线信号收发设备包括无线信号发射端以及无线信号接收端，二者间隔设置，且所述的测试者位于二者之间。进一步地，所述的无线信号发射端、无线信号接收端同步工作，通过无线信号接收端接收测试者作出行为动作之前的一段时间内、作出行为动作的期间内以及测试者停止行为动作后一段时间内的无线信号。进一步地，所述的神经网络为全连接的、包含输入层、输出层以及7个隐藏层的神经网络，其中输入层的每个节点、输出层的每个节点分别对应用户在原场景、目标场景中的信号特征。进一步地，所述的神经网络的训练过程为：①随机初始化神经网络中每条连接线权重和偏置；②对于输入训练集中的每个输入，输入模式顺传播，得到输出值；其中，将测试者在原场景中的信号特征作为输入训练集中的每个输入；③根据真实值与输出值之间的误差反向传播更新神经网络中每条连接线的权重和偏置；所述的真实值为测试者在目标场景中的信号特征；④进行循环记忆训练和结果学习判别；每次循环记忆训练结束后，都要经过学习结果判别，当真实值与输出值之间的误差最小时，神经网络输出所述的迁移函数。一种基于迁移学习的跨场景无线信号感知系统，包括依次连接的信号采集模块、建立迁移函数模块以及对象的迁移模块，其中：所述的信号采集模块包括在原场景、目标场景按照相同的方式部署无线信号收发设备，当测试者分别在原场景、目标场景中作出相同的行为动作，通过原场景、目标场景中的无线信号收发设备分别采集测试者作出行为动作时的无线信号，并对无线信号进行预处理后进行特征提取，分别得到测试者在原场景、目标场景中的信号特征；所述的建立迁移函数模块用于建立神经网络，将测试者在原场景、目标场景中的信号特征作为用于训练神经网络的输入训练集，通过神经网络的训练，得到原场景到目标场景的迁移函数；所述的对象的迁移模块用于当待测对象位于原场景中并作出行为动作时，通过原场景中的无线信号收发设备采集无线信号，对无线信号经过预处理后进行特征提取，将得到的信号特征作为测试特征集，输入到所述的迁移函数中，则迁移函数输出的是测试特征集在目标场景中的预测值。本专利技术与现有技术相比具有以下技术特点：本专利技术中提出的方法解决了跨场景的WiFi感知，即利用少量的训练样本训练迁移函数，利用该模型可迁移任意未知的对象到新的目标环境中，从而实现跨场景的识别或认证；具体来说，利用机器学习来学习一个关系，利用这种关系可以将从一个环境收集到的数据迁移到另一个新的环境中。迁移函数采用从数据采集站点收集的WiFi测量数据，并生成综合训练实例，就好像从目标环境中收集合成数据一样；该模型在从数据收集站点和每个部署站点收集的一组示例中进行离线训练，所学习的模型用于迁移任何不可见的对象或活动；最为重要的是，迁移函数需要捕捉环境如何从一小部分实例中影响WiFi信号，这样我们就可以应用该函数来迁移合成大量的未知的不可见的测量数据集。附图说明图1为本专利技术方法的框架结构图；图2为训练迁移函数的过程图；图3为实施例中原场景中无线信号收发设备的布设示意图；图4为实施例中用到的神经网络的结构图；图5为利用迁移函数迁移待测对象的示意图；图6为三种实验场景的布局图；图7中的(a)、(b)分别为步态场景、完成手势的场景位置设置图；图8中的(a)、(b)分别为跨场景感知过程中未使用、使用迁移函数的对比图；图9为迁移模型ANN与SVM、NB、RF、LR的比较图，其中(a)为时频域特征、(b)为离散小波变换特征、(c)为频谱特征、(d)为自相关特征；图10为不同网络层数对准确率的影响示意图。具体实施方式本专利技术公开了一种基于迁移学习的跨场景无线信号感知方法，如图1所示，包括以下步骤：步骤一，信号采集在原场景、目标场景按照相同的方式部署无线信号收发设备，测试者分别在原场景、目标场景中作出相同的行为动作，通过原场景、目标场景中的无线信号收发设备分别采集测试者作出行为动作时的无线信号，并对无线信号进行预处理后进行特征提取，分别得到测试者在原场景、目标场景中的信号特征；跨场景感知主要使用人工神经网络来进行不同场景之间的感知测量的迁移，通过训练神经网络得到不同场景之间的迁移函数。进行网络训练的数据来自于这些不同场景。本方案中，以建立原场景到目标场景的迁移函数为例进行说明。原场景、目标本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的跨场景无线信号感知方法，其特征在于，包括以下步骤：步骤一，信号采集在原场景、目标场景按照相同的方式部署无线信号收发设备，测试者分别在原场景、目标场景中作出相同的行为动作，通过原场景、目标场景中的无线信号收发设备分别采集测试者作出行为动作时的无线信号，并对无线信号进行预处理后进行特征提取，分别得到测试者在原场景、目标场景中的信号特征；步骤二，建立迁移函数建立神经网络，将测试者在原场景、目标场景中的信号特征作为用于训练神经网络的输入训练集，通过神经网络的训练，得到原场景到目标场景的迁移函数；步骤三，对象的迁移当待测对象位于原场景中并作出行为动作时，通过原场景中的无线信号收发设备采集无线信号，对无线信号经过预处理后进行特征提取，将得到的信号特征作为测试特征集，输入到所述的迁移函数中，则迁移函数输出的是测试特征集在目标场景中的预测值。

【技术特征摘要】
1.一种基于迁移学习的跨场景无线信号感知方法，其特征在于，包括以下步骤：步骤一，信号采集在原场景、目标场景按照相同的方式部署无线信号收发设备，测试者分别在原场景、目标场景中作出相同的行为动作，通过原场景、目标场景中的无线信号收发设备分别采集测试者作出行为动作时的无线信号，并对无线信号进行预处理后进行特征提取，分别得到测试者在原场景、目标场景中的信号特征；步骤二，建立迁移函数建立神经网络，将测试者在原场景、目标场景中的信号特征作为用于训练神经网络的输入训练集，通过神经网络的训练，得到原场景到目标场景的迁移函数；步骤三，对象的迁移当待测对象位于原场景中并作出行为动作时，通过原场景中的无线信号收发设备采集无线信号，对无线信号经过预处理后进行特征提取，将得到的信号特征作为测试特征集，输入到所述的迁移函数中，则迁移函数输出的是测试特征集在目标场景中的预测值。2.如权利要求1所述的基于迁移学习的跨场景无线信号感知方法，其特征在于，所述的步骤三得到预测值后，通过所述的预测值训练分类器，则当待测对象处于目标场景中作出其他行为动作时，利用训练好的分类器对所述的其他行为动作进行分类识别。3.如权利要求1所述的基于迁移学习的跨场景无线信号感知方法，其特征在于，所述的无线信号收发设备包括无线信号发射端以及无线信号接收端，二者间隔设置，且所述的测试者位于二者之间。4.如权利要求1所述的基于迁移学习的跨场景无线信号感知方法，其特征在于，所述的无线信号发射端、无线信号接收端同步工作，通过无线信号接收端接收测试者作出行为动作之前的一段时间内、作出行为动作的期间内以及测试者停止行为动作后一段时间内的无线信号。5.如权利要求1所述的基于迁移学习的跨场景无线信号感知方法，其特征在于，所述的神经网络为全连...

【专利技术属性】
技术研发人员：汤战勇，张洁，李梦，房鼎益，龚晓庆，陈晓江，许鹏飞，王薇，陈峰，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61