基于CSI信号的细粒度动作感知方法、终端及存储介质技术

本发明专利技术提供一种基于CSI信号的细粒度动作感知方法、终端及存储介质。该方法包括：获取目标CSI信号；将目标CSI信号划分为多个CSI信号片段，并将每个CSI信号片段输入活动分割推理模型中，得到对应的状态类别；基于各个CSI信号片段的状态类别和前后关系，在目标CSI信号中检测活动起点和活动终点，并根据活动起点和活动终点，将目标CSI信号分割为多个活动片段；基于活动识别模型预测每个活动片段对应的动作类别；并根据每个活动片段对应的动作类别的置信度，更新活动分割推理模型的奖励参数。上述方法考虑到活动分割推理模型和活动识别模型之间的联系，基于分类结果的置信度对活动分割推理模型进行奖励，从而提高细粒度动作的识别准确性。

【技术实现步骤摘要】

本专利技术涉及wifi粗细粒度混合活动识别，尤其涉及一种基于csi信号的细粒度动作感知方法、装置、终端及存储介质。

技术介绍

1、目前，呼吸疾病的发病率越来越高，因此人们对长期、有效和低成本的呼吸监测的关注度越来越高，尤其是在家庭环境中。但目前的呼吸监测方式需要佩戴昂贵的设备，可能存在侵入性和泄露隐私风险。相比之下，非接触式方法更具吸引力，这一领域的最新研究探索了在目标上不安装设备的情况下，应用无处不在的无线局域网(wireless fidelity，wifi)信号进行呼吸监测的可能性。

2、按照活动级别，基于wifi的活动感知研究主要分为两类：粗粒度和细粒度的活动识别。前者表示在宏观层面上执行的行为，如行走、跌倒等，后者表示在微观层面上执行的行为，如挥手、按键、呼吸等。

3、目前的动作识别侧重于寻找最佳阈值来分割活动，这种方法在很大程度上依赖于设计者的经验，且现有的工作主要集中在细粒度或粗粒度的活动上。然而，在实际场景下，细粒度和粗粒度的活动可以交替随机发生，他们csi(channel state information，信道状态本文档来自技高网...

【技术保护点】

1.一种基于CSI信号的细粒度动作感知方法，其特征在于，包括：

2.根据权利要求1所述的基于CSI信号的细粒度动作感知方法，其特征在于，所述获取目标CSI信号，包括：

3.根据权利要求1所述的基于CSI信号的细粒度动作感知方法，其特征在于，所述基于活动识别模型确定每个活动片段对应的动作类别，包括：

4.根据权利要求1所述的基于CSI信号的细粒度动作感知方法，其特征在于，

5.根据权利要求4所述的基于CSI信号的细粒度动作感知方法，其特征在于，所述根据每个活动片段对应的动作类别的置信度，更新所述活动分割推理模型的奖励参数，包括：

...

【技术特征摘要】

1.一种基于csi信号的细粒度动作感知方法，其特征在于，包括：

2.根据权利要求1所述的基于csi信号的细粒度动作感知方法，其特征在于，所述获取目标csi信号，包括：

3.根据权利要求1所述的基于csi信号的细粒度动作感知方法，其特征在于，所述基于活动识别模型确定每个活动片段对应的动作类别，包括：

4.根据权利要求1所述的基于csi信号的细粒度动作感知方法，其特征在于，

5.根据权利要求4所述的基于csi信号的细粒度动作感知方法，其特征在于，所述根据每个活动片段对应的动作类别的置信度，更新所述活动分割推理模型的奖励参数，包括：

6.根据权利要求1所述的基于csi信号的细粒度动作感知方法，其特征在于，所述基于各个csi信号片段的状态类别和前后关系，在所述目标csi信号中检测活动起点和活动终点，并根据所述活动起点和所述活动终点，将所述目标csi信号分割...

【专利技术属性】
技术研发人员：李保罡，师慧娉，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：