基于信道状态信息的连续人体活动感知识别方法及系统技术方案

本公开提供了基于信道状态信息的连续人体活动感知识别方法及系统，涉及人体活动识别感知技术领域，方法包括获取接收端的WiFi网卡数据中的WiFi信道状态信息，提取WiFi信道状态信息矩阵的振幅部分和相位部分堆叠扩展后的二维矩阵；设计滑动窗口沿时间序列方向对所述二维矩阵进行分割提取人体活动数据并丢弃非活动数据，获得相同维度的活动数据片段作为融合CNN与BiGRU的人体活动感知网络模型的输入，输出人体动作分类结果。本公开提高对复杂连续动作的识别精度。动作的识别精度。动作的识别精度。

【技术实现步骤摘要】
基于信道状态信息的连续人体活动感知识别方法及系统


[0001]本公开涉及人体活动识别感知
，具体涉及基于信道状态信息的连续人体活动感知识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]基于WiFi信道状态信息（CSI,channel state information）的人体活动感知在虚拟现实、智能游戏、元宇宙等未来智能交互场景具有重要的应用场景。复杂连续人体活动的精准感知是WiFi感知的重要挑战。
[0004]卷积神经网络（CNN, convolutional neural network）具有局部链接、权重共享的特点，具备强大的特征提取能力，被广泛应用于人体活动感知。
[0005]专利技术人发现，在传统WiFi技术使用的卷积神经网络中，以一维卷积或二维卷积为代表的CNN类人体活动感知方法难以捕捉时间序列数据中的长期依赖关系，忽视了数据之间的相关性，导致其对数据的时序特征建模能力差。适用于时间序列数据建模的长短期记忆（LSTM, long本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于信道状态信息的连续人体活动感知识别方法，其特征在于，包括：获取接收端的WiFi网卡数据中的WiFi信道状态信息，提取WiFi信道状态信息矩阵的振幅部分和相位部分堆叠扩展后的二维矩阵；设计滑动窗口沿时间序列方向对所述二维矩阵进行分割提取人体活动数据 并丢弃非活动数据，获得相同维度的活动数据片段作为融合CNN与BiGRU的人体活动感知网络模型的输入，输出人体动作分类结果；其中，输入至所述融合CNN与BiGRU的人体活动感知网络模型中的活动数据片段，分别通过一维CNN分支和基于GRU和BiGRU的分支提取人体动作空间维度特征和过去以及未来两个方向时间维度特征，将空间维度特征和时间维度特征进行融合后通过softmax函数对动作进行分类。2.如权利要求1所述的基于信道状态信息的连续人体活动感知识别方法，其特征在于，在获得相同维度的活动数据片段之前，对获取的WiFi信道状态信息中的振幅衰减和相位偏移进行降噪和校准，并基于振幅方差将信道状态信息分割为活动数据与非活动数据，以降噪和校准后的活动数据的信道状态信息为网络输入。3.如权利要求1所述的基于信道状态信息的连续人体活动感知识别方法，其特征在于，将输入融合CNN与BiGRU的人体活动感知网络模型的活动数据进行分割，在输入层应用滑动窗口沿时间序列方向对二维矩阵进行分割，并将标记活动部分样本点小于预设阈值的分割片段丢弃，去除信道状态信息中的非活动数据，获得相同维度的活动数据片段，保留的分割后的活动数据片段作为网络的最终输入。4.如权利要求1所述的基于信道状态信息的连续人体活动感知识别方法，其特征在于，所述一维CNN分支的结构包括卷积层、激活函数、池化层以及全连接层；基于GRU和BiGRU的分支中，BiGRU从过去以及未来两个方向进行时间维度特征的提取，BiGRU来学习动作特征的双向规律，BiGRU包含正向和反向GRU。5.如权利要求1所述的基于信道状态信息的连续人体活动感知识别方法，其特征在于，所述...

【专利技术属性】
技术研发人员：周酉，刘洋，纪飞，董安明，孙中清，谢志泉，董学强，张晓刚，
申请(专利权)人：山东海看新媒体研究院有限公司，
类型：发明
国别省市：