一种非接触式多目标行为识别方法技术

本发明专利技术提供了一种非接触式多目标行为识别方法，包括：采集单发射器

【技术实现步骤摘要】
一种非接触式多目标行为识别方法


[0001]本专利技术涉及一种非接触式多目标行为识别方法，属于WIFI行为识别领域。

技术介绍

[0002]近年来，随着Wi
‑
Fi热点的广泛部署，利用Wi
‑
Fi信号实现多目标行为识别受到研究者的广泛关注。由于体型与运动模式的差异，不同的行为动作会对Wi
‑
Fi信号产生不同的扰动，从而在信道状态信息(Channel State Information，CSI)上产生辨识度较高的特征响应。凭借此方式以及Wi
‑
Fi识别的非接触式、易部署性、不受光线影响、价格廉价易广泛应用等优势，成为目标行为识别研究的新兴方向。但是，目前基于Wi
‑
Fi感知的行为识别研究主要针对的是单目标行为识别。在多目标同时存在的场景中，由于普遍存在的多径效应，导致其行为识别存在较大难度。因此，目前基于Wi
‑
Fi信号实现多目标行为识别的研究成果较少，而且也存在一些缺陷。
[0003]方案1：利用Canonical Polyadi本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非接触式多目标行为识别方法，其特征在于，包括：采集单发射器
‑
单接收器的Wi
‑
Fi监测环境下的原始信道状态信息数据H(f,t)；使用子成分重构算法CCR
‑
ICA对采集到的数据进行盲源分离；采用子载波相关系数分析方法将盲源分离后的数据进行排序处理，得到一维时序信号；使用滑动窗口将一维时序信号进行分割，再生成频率能量图，作为识别算法的输入数据；进行识别时，使用ABiGRU分支网络和TCN分支网络进行特征信息提取，再进行特征融合，随后输入到分类器中进行行为分类，最终实现多目标行为识别功能。2.根据权利要求1所述的非接触式多目标行为识别方法，其特征在于，使用子成分重构算法CCR
‑
ICA对采集到的数据进行盲源分离方法包括：将原始信道状态信息数据H(f,t)的第1条子载波信号使用FastICA算法分离为两个一维基础矩阵，作为初始比较基准；对原始信道状态信息数据H(f,t)的第2条子载波信号执行FastICA算法分离操作得到两个一维基础矩阵，再对这两个一维基础矩阵分别执行翻转操作共得到四个一维基础矩阵；分别计算这四个一维基础矩阵和与第1条子载波分离得到的两个一维基础矩阵间的皮尔逊积矩相关系数，作为两子载波间的相关系数；以上述方式依次计算各相邻子载波间的相关系数。3.根据权利要求2所述的非接触式多目标行为识别方法，其特征在于，所述翻转操作包括：对基础矩阵的每行幅值元素求均值，然后再对每个幅值元素减去二倍均值，得到翻转后的幅值；对每行重复此操作，即得到翻转之后的基础矩阵。4.根据权利要求2所述的非接触式多目标行为识别方法，其特征在于，皮尔逊积矩相关系数计算公式如下：其中，c
xy
是信号x(t)和y(t)的互协方差，与则表示x(t)和y(t)的方差。5.根据权利要求1所...

【专利技术属性】
技术研发人员：段鹏松，曹仰杰，王超，李晨，
申请(专利权)人：郑州大学，
类型：发明
国别省市：