一种基于信道状态信息的穿墙目标行为识别方法及其装置制造方法及图纸

本发明专利技术提出了一种基于信道状态信息的穿墙目标行为识别方法，包括：将采集到的CSI信号进行预处理；对预处理后的所述CSI信号进行PCA数据降维，去除冗余信号和无关信息，提取最优子载波；将PCA降维后提取的信号进行一阶差分处理，之后利用基于缓冲区滑动窗口的方法分割有效的特征信号片段；将所述有效的特征信号片段通过STFT转换成带有时频域特征的特征图像，并将其输入到预训练好的SE

【技术实现步骤摘要】
一种基于信道状态信息的穿墙目标行为识别方法及其装置


[0001]本专利技术属于人体行为感知的
，具体涉及一种基于信道状态信息的穿墙目标行为识别方法及其装置。

技术介绍

[0002]近年来人体行为感知技术是物联网中的一大研究热点，可以应用于生活中各种场景，如智能家居、虚拟现实、健康监测和社交网络等。传统的行为感知方法通常要求使用者通过佩戴多个传感器收集人体运动所产生的数据，然而这不仅增加了实验的不方便性，并且无法进行被动检测。由于这些方法所产生的局限性和无源感知技术非侵入性的特点，使得无源感知技术的地位变得越来越重要。
[0003]基于WiFi的活动识别技术是利用WiFi设备捕捉到人体目标运动产生的多径叠加信号，该无线信号主要有两种，一种是信号强度(Received Signal Strength,RSS)，另一种是信道状态信息(Channel State Information,CSI)。两者最明显的区别是，后者相比前者可以更加细粒度的描述信道特征，灵敏度较高，检测范围更大。在常见的行为识别中，可以大致将人类活动分为两类：粗粒度活本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信道状态信息的穿墙目标行为识别方法，其特征在于，该方法包括如下步骤：将采集到的CSI信号进行预处理；对预处理后的所述CSI信号进行PCA数据降维，去除冗余信号和无关信息，提取最优子载波；将PCA降维后提取的信号进行一阶差分处理，之后利用基于缓冲区滑动窗口的方法分割有效的特征信号片段；将所述有效的特征信号片段通过STFT转换成带有时频域特征的特征图像，并将其输入到预训练好的SE
‑
ResNet18卷积神经网络中进行行为识别分类。2.根据权利要求1所述的基于信道状态信息的穿墙目标行为识别方法，其特征在于，还包括，利用WiFi设备采集到墙后目标的多径叠加CSI信号。3.根据权利要求1所述的基于信道状态信息的穿墙目标行为识别方法，其特征在于，将采集到的CSI信号进行预处理包括：Hampel滤波器去除相邻数据点的异常值以及Butterworth低通滤波器去除中高频噪声，去除环境背景噪声。4.根据权利要求1所述的基于信道状态信息的穿墙目标行为识别方法，其特征在于，将PCA降维后提取的信号进行一阶差分处理，之后利用基于缓冲区滑动窗口的方法分割有效的特征信号片段，包括：窗口长度划定，选择采样率200的1/10长度划分窗口长度；窗口均值计算与判定，计算每个窗口内一阶差分信号的均值，对于阈值，采用完整数据的一阶差分信号均值作为标准，大于阈值则判断为运动时隙，反之则为静止时隙；缓冲区窗口优化，划定4个窗口长度的缓冲区，对于低于阈值的窗口，若其缓冲区内超过阈值的窗口达到一定数量，则将该窗口判定为运动时隙；特征片段提取，将超过阈值的窗口合并，提取出运动状态的开始点和结束点。5.根据权利要求4所述的基于信道状态信息的穿墙目标行为识别方法，其特征在于，还包括：划定8个长度的滑动窗口，若滑动窗口内超过阈值的窗口达到一定数量，则将该窗口判定为运动时隙，采用滑动窗口时隙修正方案，以解决动作中间某一特征小于阈值的情况。6.根据权利要求1所述的基于信道状态信息的穿墙目标行为识别方法，其特征在于，还包括：以N
r
和N
r
分别表示发送端和接收端天线的数量，K表示子载波组的数量，则通过多径传输到达接收端的信号表示为：Y＝HX+NX和Y分别表示发送信号和接收信号的传输路径矢量，H和N分别是CSI信道信息矩阵和加性高斯白噪声；CSI信息矩阵表示为：H＝[H1,H2,H3……
H
k
]其中，K表示根据驱动器划分的子载波组的数量，每个数据包最终将会得到N
t

【专利技术属性】
技术研发人员：蔡勇彬，叶焜，孙海信，洪少华，
申请(专利权)人：厦门大学，
类型：发明
国别省市：