基于Wi-Fi的路径独立的步态识别方法技术

本发明专利技术涉及计算机网络，为实现引入一个Wi‑Fi接受设备，用来观测两个维度上的步态信息，并根据每一小段时间内的运动角度，导出路径独立的步态信息，用来提取步态特征、进行步态识别，本发明专利技术，基于商用Wi‑Fi的路径独立的步态识别方法，在两个接收端上完成收集物理层信道状态信息CSI数据，去除CSI信号冗余和去噪；根据频率谱密度PSD分布状态检测运动的起始；计算该窗口内的运动方向；将子光谱图映射到受试者的运动方向上；拼接所有窗口切片内的子光谱图，生成路径独立的完整光谱图，从路径独立的子光谱图中提取特征并进行步态识别。本发明专利技术主要应用于步态识别场合。

Path independent gait recognition method based on Wi Fi

【技术实现步骤摘要】
基于Wi-Fi的路径独立的步态识别方法
本专利技术涉及计算机网络，特别涉及到数据挖掘领域，尤其涉及一种基于商用Wi-Fi的路径独立的步态识别系统。
技术介绍
作为人类身份识别的流行生物识别技术，步态识别利用步行的方式来识别个体。在以下方面，步态比其他形式的生物特征，如面部，指纹和虹膜具有突出的优势:(1)独特：每个人似乎都有独特的行走方式，为识别提供独特的线索。(2)不引人注目：它不需要用户介入。由于其在不同领域的广泛需求，该技术在安全监控，医疗保健和人机交互方面引起了广泛关注。步态识别有各种传感技术，从基于可穿戴传感器，基于计算机视觉到基于环境感知的方法。但是，这些技术都有其自身的局限性。对于基于可穿戴传感器技术，人们总是需要佩戴并经常为可穿戴传感器充电。对于基于计算机视觉的传感技术，隐私侵犯，视线的必要性和实时处理的密集工作量使其不太理想。基于环境感知的传感技术，除了需要预先安装特殊设备外，活动诱导数据与环境相关的数据混合在一起，导致很难提取活动诱导的数据，这误导了识别结果。广泛部署的Wi-Fi设备和基于商用Wi-Fi的传感技术的发展，为基本文档来自技高网...

【技术保护点】
1.一种基于商用Wi-Fi的路径独立的步态识别方法，其特征是，在两个接收端上完成收集物理层信道状态信息CSI数据，利用巴特沃斯带通滤波器处理CSI信号，使用PCA进一步去除CSI信号冗余和去噪；根据频率谱密度PSD分布状态检测运动的起始；利用滑动时间窗口将降维后的CSI信号切成一系列的切片，并计算该窗口内的运动方向；在每个窗口切片中，利用短时傅里叶变换STFT获得子光谱图；根据运动方向与CSI信号观测方向的角度关系，将子光谱图映射到受试者的运动方向上；拼接所有窗口切片内的子光谱图，生成路径独立的完整光谱图，用来表示整条路径的运动信息；利用深度学习模型，从路径独立的子光谱图中提取特征并进行步态识...

【技术特征摘要】
1.一种基于商用Wi-Fi的路径独立的步态识别方法，其特征是，在两个接收端上完成收集物理层信道状态信息CSI数据，利用巴特沃斯带通滤波器处理CSI信号，使用PCA进一步去除CSI信号冗余和去噪；根据频率谱密度PSD分布状态检测运动的起始；利用滑动时间窗口将降维后的CSI信号切成一系列的切片，并计算该窗口内的运动方向；在每个窗口切片中，利用短时傅里叶变换STFT获得子光谱图；根据运动方向与CSI信号观测方向的角度关系，将子光谱图映射到受试者的运动方向上；拼接所有窗口切片内的子光谱图，生成路径独立的完整光谱图，用来表示整条路径的运动信息；利用深度学习模型，从路径独立的子光谱图中提取特征并进行步态识别。


2.如权利要求1所述的基于商用Wi-Fi的路径独立的步态识别方法，其特征是，其中，利用滑动时间窗口将PCA降维后的信号切成一系列的切片，将每个窗口切片中的运动方向视为不变的，根据菲涅尔理论，从CSI信号中测得穿过菲涅尔区的个数和振幅信号的相位时延，依据这些数据推导出受试者在每个窗口切片中的行走方向；
在每个窗口切片中，对PCA降维后的前n个主成分数据分别执行短时傅里叶变换STFT(Short-TimeFourierTransform)，将原本各频率混合的时域信号转化到时频域上，得到n个横轴为时间、纵轴为频率的子光谱图，将这n个子光谱图叠加，产生一个高质量的子光谱图，然后采用一个二维的高斯低通滤波器进行去噪；
根据所得到的行走方向，将子光谱图映射到反映人真实运动的方向上，并进行融合，得到一个能够反应人真实运动的高质量的子光谱图；
拼接所有窗口切片内的子光谱图，生成路径独立的完整光谱图，用来表示整条路径的运动信息，利用互相关计算相邻子光谱图的位置，据此来移除拼接过程中产生的错位误差。


3.如权利要求1所述的基于商用Wi-Fi的路径独立的步态识别方法，其特征是，利用深度学习模型，从路径独立的光谱图中自动提取特征并给出步态识别结果，该深度学习模型的框架由一个卷积神经网络CNN(ConvolutionalNeuralNetwork)结构和一个长短期记忆网络LSTM(LongShortTermMemory)结构构成；其中，CNN用来提取空间特征，LSTM用来提取时间特征。


4.如权利要求1所述的基于商用Wi-Fi的路径独立的步态识别方法，其特征是，采用指数移动平均算法来更新PSD的峰度以检测运动是否开始，具体分为三步：
1)计算CSI时间序列的PSD
首先，采用滑动窗口对CSI时间序列进行分割处理，然后计算每个时间窗口内CSI数据的PSD分布：



其中，c表示时间窗口内的CSI向量，N表示CSI向量中元素的个数，FFT表示快速傅里叶变换，abs为取绝对值；
2)计算PSD分布的峰度值，具体公式如下：



其中，si∈S是PSD在每个频率点的值，μ是PSD在所有频率点的平均值；
1)利用指数移动平均算法来更新PSD的峰度，具体计算如下：
I(t)＝(1-α)I(t-1)+αK(t)(3)
其中，α设为0.1，K(t)表示t时刻PSD的峰度值，I(t)的初试值，设为静止状态...

【专利技术属性】
技术研发人员：王聪，张蕾，王志锐，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12