基于制造技术

本申请的实施例提供了一种基于

【技术实现步骤摘要】
基于CSI的多人定位方法、装置、计算机可读介质及设备


[0001]本申请涉及计算机及通信
，具体而言，涉及一种基于
CSI
的多人定位方法
、
装置
、
计算机可读介质及设备
。

技术介绍

[0002]基于信道状态信息
(Channel State Information
，
CSI)
的无线感知技术，可以利用无线多径传播的特点，通过分析其多个子载波的状态变化，从而推断出周围环境的变化
。
其中，利用
CSI
进行呼吸检测及定位作为一种无接触式的生命体征检测，近年来得到了广泛关注
。
在目前的技术方案中，基于
CSI
进行呼吸检测及定位大多针对于室内单人场景，而室内场景更多还是多人场景，直接迁移单人呼吸检测算法得到多人场景中，适用性较差，识别结果的准确度较低
。
由此，如何适用多人场景的同时，提高呼吸检测及定位结果的准确性成为了亟待解决的技术问题
。

技术实现思路

[0003]本申请的实施例提供了一种基于
CSI
的多人定位方法
、
装置
、
计算机可读介质及设备，进而至少在一定程度上可以适用多人场景的同时，提高呼吸检测及定位结果的准确性
。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得
。
[0005]根据本申请实施例的一个方面，提供了一种基于
CSI
的多人定位方法，包括：
[0006]获取目标环境对应的
CSI
原始数据，并对所述
CSI
原始数据进行预处理；
[0007]根据预处理后的所述
CSI
原始数据进行人数预测，确定所述目标环境内存在的目标人数；
[0008]根据所述目标人数，对预处理后的所述
CSI
原始数据进行分离处理，得到与所述目标人数对应数量的呼吸分量；
[0009]将预处理后的所述
CSI
原始数据输入至与所述目标人数对应且预先训练完成的定位模型，以使所述定位模型根据预处理后的所述
CSI
原始数据进行特征提取，确定对应的空间特征向量和时间特征向量，并根据所述空间特征向量和所述时间特征向量融合得到的融合特征进行识别，以输出各目标人体对应的第一定位信息；
[0010]将各所述呼吸分量分别输入至用以进行单人定位且预先训练完成的定位模型，以使所述定位模型输出与各呼吸分量对应的第二定位信息；
[0011]根据所述第一定位信息以及所述第二定位信息进行匹配，确定各目标人体对应的呼吸分量
。
[0012]根据本申请实施例的一个方面，提供了一种基于
CSI
的多人定位装置，包括：
[0013]获取模块，用于获取目标环境对应的
CSI
原始数据，并对所述
CSI
原始数据进行预处理；
[0014]确定模块，用于根据预处理后的所述
CSI
原始数据进行人数预测，确定所述目标环
境内存在的目标人数；
[0015]分离模块，用于根据所述目标人数，对预处理后的所述
CSI
原始数据进行分离处理，得到与所述目标人数对应数量的呼吸分量；
[0016]第一定位模块，用于将预处理后的所述
CSI
原始数据输入至与所述目标人数对应且预先训练完成的定位模型，以使所述定位模型根据预处理后的所述
CSI
原始数据进行特征提取，确定对应的空间特征向量和时间特征向量，并根据所述空间特征向量和所述时间特征向量融合得到的融合特征进行识别，以输出各目标人体对应的第一定位信息；
[0017]第二定位模块，用于将各所述呼吸分量分别输入至用以进行单人定位且预先训练完成的定位模型，以使所述定位模型输出与各呼吸分量对应的第二定位信息；
[0018]处理模块，用于根据所述第一定位信息以及所述第二定位信息进行匹配，确定各目标人体对应的呼吸分量
。
[0019]根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的基于
CSI
的多人定位方法
。
[0020]根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于
CSI
的多人定位方法
。
[0021]根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中
。
计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中提供的基于
CSI
的多人定位方法
。
[0022]在本申请的一些实施例所提供的技术方案中，通过获取目标环境对应的
CSI
原始数据，并对该
CSI
原始数据进行预处理，根据预处理后的
CSI
原始数据进行人数预测，确定目标环境内存在的目标人数，根据目标人数，对预处理后的
CSI
原始数据进行分离处理，得到与目标人数对应数量的呼吸分量，将预处理后的
CSI
原始数据输入至与目标人数对应且预先训练完成的定位模型，以使定位模型根据预处理后的
CSI
原始数据进行特征提取，确定对应的空间特征向量和时间特征向量，并根据空间特征向量和时间特征向量融合得到融合特征进行识别，以输出各目标人体对应的第一定位信息，再将各呼吸分量分别输入至用以进行单人定位且预先训练完成的定位模型，以使定位模型输出与各呼吸分量对应的第二定位信息，将第一定位信息和第二定位信息进行匹配，以确定各目标人体对应的呼吸分量
。
由此，先进行人数预测，再采用与目标人数对应的定位模型对预处理后的
CSI
原始数据进行定位处理，确定各目标人体对应的第一定位信息，使得上述方法可以适用多人场景，并保证多人定位的准确性
。
另外，将各呼吸分量分别输入至用以单人定位的定位模型，以输出各呼吸分量对应的第二定位信息，进而根据第一定位信息和第二定位信息进行匹配，确定各目标人体对应的呼吸分量，保证了二者匹配结果的准确性
。
[0023]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请
。
附图说明
[0024]此处的附图被并入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
CSI
的多人定位方法，其特征在于，包括：获取目标环境对应的
CSI
原始数据，并对所述
CSI
原始数据进行预处理；根据预处理后的所述
CSI
原始数据进行人数预测，确定所述目标环境内存在的目标人数；根据所述目标人数，对预处理后的所述
CSI
原始数据进行分离处理，得到与所述目标人数对应数量的呼吸分量；将预处理后的所述
CSI
原始数据输入至与所述目标人数对应且预先训练完成的定位模型，以使所述定位模型根据预处理后的所述
CSI
原始数据进行特征提取，确定对应的空间特征向量和时间特征向量，并根据所述空间特征向量和所述时间特征向量融合得到的融合特征进行识别，以输出各目标人体对应的第一定位信息；将各所述呼吸分量分别输入至用以进行单人定位且预先训练完成的定位模型，以使所述定位模型输出与各呼吸分量对应的第二定位信息；根据所述第一定位信息以及所述第二定位信息进行匹配，确定各目标人体对应的呼吸分量
。2.
根据权利要求1所述的方法，其特征在于，提取预处理后的所述
CSI
原始数据的空间特征向量，包括：根据预处理后的所述
CSI
原始数据，将多根天线所采集的
CSI
幅值数据进行堆叠；采用卷积神经网络对堆叠后的
CSI
幅值数据进行特征提取，以得到对应的空间特征向量
。3.
根据权利要求1所述的方法，其特征在于，提取预处理后的所述
CSI
原始数据的时间特征向量，包括：将预处理后的所述
CSI
原始数据划分为预定时间长度的数据片段，所述数据片段为复数矩阵；针对于单个所述数据片段，将所述数据片段划分为实部矩阵和虚部矩阵，并将所述实部矩阵和所述虚部矩阵拼接后依次通过一个卷积层和一个池化层，再扁平化得到所述数据片段对应的初始向量；根据各所述数据片段对应的初始向量，基于自注意力机制对其进行特征提取，以得到对应的时间特征向量
。4.
根据权利要求1所述的方法，其特征在于，所述方法还包括：将各所述呼吸分量分别输入至预先训练完成的
VED
网络中，以使所述
VED
网络输出对应的恢复后的呼吸波形，所述
VED
网络的损失函数为重建损失和正则化损失的加权和
。5.
根据权利要求1所述的方法，其特征在于，根据预处理后的所述
CSI
原始数据进行人数预测，确定所述目标环境内存在的目标人数，包括：根据预处理后的所述
CSI
原始数据进行运动环境识别，以得到对应的运动环境识别结果；若所述运动...

【专利技术属性】
技术研发人员：赵毅峰，王博，刘浩然，郭怡洋，胡昌浩，黄联芬，杨波，于吉涛，丁宝国，钱丽萍，刘重军，陈林，
申请(专利权)人：京信网络系统股份有限公司，
类型：发明
国别省市：