欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020109595234
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于信道状态信息的人员动作识别和位置估计方法,其特征在于:所述方法主体分为离线阶段和在现阶段,其中离线阶段包括:步骤S1、基于预设的参考位置点和预设动作,在接收端采集Wifi信号的信道状态信息,构建信道状态信息图像,并构建基于动作识别和位置估计的训练数据集合;

步骤S2、利用卷积神经网络进行基于动作的分类学习,得到基于动作的分类模型;

步骤S3、利用卷积神经网络提取信道状态信息图像在X轴位置、Y轴位置上的深度特征信息,然后利用支持向量机进行回归学习,分别得到基于X轴和Y轴位置坐标的回归函数;

在现阶段包括:

步骤S4、将接收端接收Wifi信号所得的信道状态信息,按照与离线阶段步骤S1相同的方法,构建实时的信道状态信息图像;

步骤S5、将步骤S4所得的信道状态信息图像作为输入,带入到离线阶段步骤S2所得的分类模型中,估计目标动作;

步骤S6、利用卷积神经网络分别提取步骤S4所得的信道状态信息图像中基于X轴位置、Y轴位置的深度特征信息,并通过带入对应的回归函数,估计目标X轴位置和Y轴位置。

2.根据权利要求1所述基于信道状态信息的人员动作识别和位置估计方法,其特征在于离线阶段步骤S1中采集Wifi信号的信道状态信息之前,还包括在实验场景中布置两个以上的接收端、密度分布的若干个参考位置点和预设两种以上人员动作,步骤S1中利用接收端采集Wifi信号基于各参考位置点和各种预设动作的信道状态信息。

3.根据权利要求1所述基于信道状态信息的人员动作识别和位置估计方法,其特征在于离线阶段步骤S1中构建信道状态信息图像的过程包括:步骤S11、构造第一个发射信号在接收端的信道状态信息幅度测量值矩阵,对于第一个接收数据包,以每个接收天线接收的信道状态信息幅度测量值作为矩阵的每一行,得到对应矩阵的维数表示为 ,其中 为接收天线数目, 为提取的信道状态信息幅度测量值子载波数目;

步骤S12、信道状态信息幅度差预处理,在步骤S11所得矩阵中,以任意一个接收天线的信道状态信息幅度测量值为参考值,对矩阵中每一行都减去参考值,并删除矩阵中的全零行,得到基于第一个接收数据包下、基于第一个发射信号的信道状态信息幅度差矩阵,维数表示为 ;

步骤S13、对每一个发射信号重复步骤S11和步骤S12的相同操作,得到每个发射信号在第一个接收数据包下的信道状态信息幅度差矩阵,然后进行基于行的矩阵合并操作,得到在 第 一 个 接收 数 据 包 下的 信 道 状 态 信 息幅 度 差 矩阵 ,维 数 表 示 为,其中 为发射天线数目;

步骤S14、对除第一个接收数据包外的每个接收数据包重复步骤S11、S12、S13的相同操作,得到每个接收数据包下全部发射信号的信道状态信息幅度差矩阵;再进行基于行的矩阵合并操作,得到全部接收数据包和发射信号的信道状态信息幅度差矩阵;

步骤S15、对步骤S14所得到的信道状态信息幅度差矩阵进行图像渲染,得到信道状态信息图像。

4.根据权利要求1所述基于信道状态信息的人员动作识别和位置估计方法,其特征在于离线阶段步骤S1中构建基于动作识别和位置估计的训练数据集合的过程为:利用所对应的参考位置点的坐标作为训练样本的位置标签,构建包含信道状态信息图像和位置标签的位置估计训练数据集合;以所对应的动作为训练样本的动作标签,构建包含信道状态信息图像和动作标签的动作识别训练数据集合。

5.根据权利要求1所述基于信道状态信息的人员动作识别和位置估计方法,其特征在于离线阶段步骤S3中回归学习的过程包括:步骤S31、将步骤S1中所述位置估计的训练数据集合分割成为关联X轴坐标的第一训练数据集和关联Y轴坐标的第二训练数据集;

步骤S32、利用卷积神经网络提取第一训练数据集中信道状态信息图像的深度特征信息,利用支持向量机进行回归学习,获得基于X轴坐标的第一回归函数;

步骤S33、利用卷积神经网络提取第二训练数据集中信道状态信息图像的深度特征信息,利用支持向量机进行回归学习,获得基于Y轴坐标的第二回归函数。