一种基于WiFi的老人智能监护方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114999643A(43)申请公布日2022.09.02(21)申请号202210615376.8G06F17/14(2006.01)(22)申请日2022.06.01(71)申请人暨南大学地址510632广东省广州市天河区黄埔大道西601号(72)发明人陈炳赞蔡洽凯林若轩王璐瑶王泉森郑浩龙李瑾杨光华杨宗林(74)专利代理机构广州市华学知识产权代理有限公司44245专利代理师黄卫萍(51)Int.Cl.G16H50/30(2018.01)G06K9/62(2022.01)G16H50/70(2018.01)权利要求书2页说明书10页附图5页(54)发明名称一种基于WiFi的老人智能监护方法(57)摘要本发明公开了一种基于WiFi的老人智能监护方法，步骤如下：通过WiFi设备收集监测区域的CSI数据；对CSI数据进行预处理，判断属于静态环境还是动态环境；判断为静态环境时，将预处理CSI数据通过GA‑SVM进行训练，获取机器学习后的训练目标模型，并通过训练目标模型对CSI数据的“发呆、睡眠、无人”进行识别，再计算睡眠时心率、呼吸情况；判断为动态环境时，将预处理CSI数据通过GA‑SVM进行训练，获取机器学习后的训练目标模型，并通过预训练目标对预处理CSI数据对“老人摔倒”、“室内入侵”、其他情况进行识别；静态数据处理器和动态数据处理器将结果存储至存储器，并对预训练目标模型进行训练及更新。CN114999643ACN114999643A权利要求书1/2页1.一种基于WiFi的老人智能监护方法，其特征在于，所述老人智能监护方法包括以下步骤：S1、通过WiFi设备收集被监测家庭区域的CSI数据；S2、对收集的CSI数据进行预处理，获取预处理CSI数据，得到幅值数据和相位差数据；S3、根据预处理CSI数据判断属于静态环境还是动态环境；S4、在判断为静态环境时，将所述预处理CSI数据输入至静态数据处理器，静态数据处理器获取经过机器学习后的第一预训练目标模型，并通过第一预训练目标模型对预处理CSI信息对“发呆”、“睡眠”、“无人”三种情况进行识别，计算睡眠时间下心率、呼吸情况；S5、在判断为动态环境时，将所述预处理CSI数据输入至动态数据处理器，动态数据处理器获取经过机器学习后的第二预训练目标模型，并通过第二预训练目标模型对预处理CSI信息进行危险行为识别。2.根据权利要求1所述的一种基于WiFi的老人智能监护方法，其特征在于，所述步骤S2过程如下：S2.1、将收集的CSI原始数据分离获取幅值数据和相位数据；S2.2、对所述幅值数据和相位数据进行插值补全；S2.3、对插值补全后的相位数据求取相位差；S2.4、通过hampel滤波和主成分分析的方式对幅值数据和相位差数据进行除杂；S2.5、对幅值数据和相位差数据选取最优的子载波幅值数据和最优相位差数据。3.根据权利要求1所述的一种基于WiFi的老人智能监护方法，其特征在于，所述步骤S3过程如下：S3.1、通过滑动窗口截取每个指定长度时段的幅值数据和相位数据，并计算数据均值；S3.2、根据计算结果与存储器中的静态数据以及动态数据进行比较，判断当前数据采集时段是处于静态状态还是处于动态数据状态。4.根据权利要求1所述的一种基于WiFi的老人智能监护方法，其特征在于，所述步骤S4中过程如下：S4.1、初始化预训练之前的第一目标模型；S4.2、重复收集不同场景下静态环境的训练数据，将训练数据经过预处理后对第一预训练目标模型进行生成，并保存至存储器中；S4.3、将最优幅值数据进行带通滤波获取呼吸范围内的频谱数据，通过快速傅里叶变换计算出呼吸速率；S4.4、将最优相位数据进行DWT细节系数提取，通过带通滤波获取心率范围内的频谱数据，通过快速傅里叶变换计算出心率。5.根据权利要求4所述的一种基于WiFi的老人智能监护方法，其特征在于，所述步骤S4.2中静态环境的训练数据收集需要的场景包括：“环境中有人在发呆”、“环境中有人睡眠”和“环境中无人”，通过更替不同的人收集多组数据，以实现优良训练数据的收集。6.根据权利要求1所述的一种基于WiFi的老人智能监护方法，其特征在于，所述步骤S5中过程如下：S5.1，初始化预训练之前的第二目标模型；S5.2，重复收集动态环境的训练数据，通过训练数据对第二预训练目标模型进行生成，2CN114999643A权利要求书2/2页并保存至存储器中。7.根据权利要求1所述的一种基于WiFi的老人智能监护方法，其特征在于，所述步骤S5.2中动态环境的训练数据收集需要的场景包括：“老人摔倒”和“室内入侵”，通过更替不同的人收集多组数据，以实现优良训练数据的收集。8.根据权利要求1所述的一种基于WiFi的老人智能监护方法，其