1.一种基于CSI信号到达角估计的静态人体姿势估计方法,其特征在于:所述人体姿势估计方法包括如下步骤:步骤1:在感知区域内摆放带有移动轨道的接收天线柱,利用固定的发射天线向安装在移动轨道上的接收天线发送Wi‑Fi数据包,接收天线移动到多个指定的高度,在每个高度采集多个CSI数据,并同步采集图像数据;
步骤2:提取CSI数据中的相位信息,构造为一维AoA图像,将不同高度的一维AoA图像组合成二维AoA图像;
步骤3:利用环境降噪算法消除二维AoA图像中的环境干扰因素,环境降噪算法的具体方法如下:步骤3‑1:统计并分析静态环境下15s采集的采样点A处的1500个数据包的PMUSIC,用分布函数分析静态环境下飞行时间ToFstatic时间范围和分布情况;
根据ToF分布的实际情况将ToF分为若干段,ToF的分布区间为x∈[Xmin,Xmax],根据ToF的数值切分成L个不等长的ToF段,对于第j个ToF段[xjl,xjr],其概率分布为P(xjl≤ToF≤xjr);
步骤3‑2:根据区间ToF段和分布利用指数加权函数计算加权矩阵weight(ToFstatic),对于区间inter=[xjl,xjr]:其中,β是由ToF长短决定的参数,α是衰减因子,根据需要降低的环境因素强度设置;
步骤3‑3:在动态环境下采集采样点A处的单个数据包的PMUSIC后,分析动态环境下单个数据包的PMUSIC的飞行时间ToFdynamic,利用步骤3‑2中获得的权重函数weight()计算环境降噪后的P′MUSIC:PMUSIC(ToFdynamic)′=PMUSIC(ToFdynamic)×weight(ToFdynamic)步骤4:将图像数据输入教师网络获得人体骨骼点坐标的监督数据,将监督数据和降噪后的二维AoA图像输入学生网络进行训练;
步骤5:在识别人体姿势时,在感知区域内摆放带有移动轨道的接收天线柱,利用固定的发射天线向安装在移动轨道上的接收天线发送Wi‑Fi数据包,接收天线移动到多个指定的高度,在每个高度采集一个CSI数据,将不同高度采集的CSI数据经步骤2和3提取特征后,将特征进行插值处理后,输入步骤4中已训练的学生网络模型中,输出感知区域内目标的人体骨骼点预测坐标。
2.根据权利要求1所述的一种基于CSI信号到达角估计的静态人体姿势估计方法,其特征在于:步骤2中,对于一个高度采集的单个CSI数据包中第i根接收天线的第k个子载波的相位数据φi,k,其相位误差模型表示为:其中,θk是原始相位, 是非线性误差,fs是子载波之间的频率空间,δ是由多径传播导致的传播时延,Ω是线性相位误差,Z是高斯白噪声;
通过电缆直接连接收发天线,获得无环境干扰的相位φk′,使用线性拟合求解出非线性相位误差 线性相位误差Ω、以及接收天线之间存在的同步相位误差
3.根据权利要求1所述的一种基于CSI信号到达角估计的静态人体姿势估计方法,其特征在于:步骤2中,提取CSI数据中包含的56个子载波的相位数据,并将三根接收天线的相位数据进行同步和误差校正;当接收天线移动到高度i时,从采集的CSI信号中利用MUSIC算法计算ToF和AoA联合估计的MUSIC频谱PMUSIC(τ,θ),其中τ是飞行时间,θ是到达角;将MUSIC频谱PMUSIC(τ,θ)转换为一维AoA图像,图像包含1×181个像素点,高度为i的一维AoA图像的第k个像素点计算为:在8个不同高度分别采集CSI数据并将其转换为一维AoA图像,将8张一维AoA图像组合成完整的二维AoA图像:T
2D AoA image=(img1 img2…img8) 。
4.根据权利要求1所述的一种基于CSI信号到达角估计的静态人体姿势估计方法,其特征在于:步骤4中,设计的神经网络包含教师网络和学生网络,学生网络包含输入层,残差块和输出层;教师网络的输入为图像,输出为人体骨骼点坐标;学生网络的输入是大小为32×
181的二维AoA图像,输入层使用步长为2,大小为7×7的卷积核并将通道数提升至64;残差块包含2个残差层,残差块的第一个残差层使用步长为2,大小为3×3的卷积核,第二个残差层与第一个残差层结构相同,步长为1;输出层使用扁平层将数据一维化后输入全连接层,最终输出预测的人体骨骼点坐标。
5.根据权利要求1所述的一种基于CSI信号到达角估计的静态人体姿势估计方法,其特
8×181
征在于:步骤4中,对于获得的2D AoA image∈R ,使用傅里叶插值法将数据插值为2D
32×181
AoA image′∈R 。