一种基于WiFi-CSI信号增强的人体活动识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112380903A(43)申请公布日2021.02.19(21)申请号202011097313.5(22)申请日2020.10.14(71)申请人东北电力大学地址132012吉林省吉林市船营区长春路169号(72)发明人杨杰明刘颜铭吴云李天阳杨月华(74)专利代理机构吉林市达利专利事务所22102代理人陈传林(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N20/20(2019.01)权利要求书2页说明书9页附图6页(54)发明名称一种基于WiFi-CSI信号增强的人体活动识别方法(57)摘要本发明是一种基于WiFi‑CSI信号增强的人体活动识别方法，其特征是，它包括：CSI数据采集、动态天线选择算法、活动信号增强、动作分割算法和人体行为识别等步骤：首先对天线进行选择，挑选出对人体行为最为敏感的天线，减少后续计算分析的数据量；其次对选择后的天线进行信号和增强，使得活动信号与非活动信号存在明显的差异；最后，基于增强后的信号分割动作起止时间，去除非活动信号部分，保留活动信号部分。将活动信号输入分类器训练，识别人体行为。本发明可以广泛应用于室内人体摔倒检测，老年人家庭监护等领域。CN112380903ACN112380903A权利要求书1/2页1.一种基于WiFi-CSI信号增强的人体活动识别方法，其特征是，它包括以下步骤：步骤1)CSI数据采集：在1×3的收发天线系统中采集数据，并提取幅值，整理数据格式，生成1×3×30的CSI数据流，记为CSIN＝{CSIN，n}：CSI1＝{CSI1，1，CSI1，2，…，CSI1，30}CSI2＝{CSI2，1，CSI2，2，…，CSI2，30}CSI3＝{CSI3，1，CSI3，2，…，CSI3，30}其中，CSIN表示第N个接收天线接收到的信号，n表示子载波数目；步骤2)动态天线选择算法：根据步骤1)原始信号，构建基于最大极差的动态天线选择机制，选择对该动作敏感的天线；步骤3)活动信号增强：采用基于最小二乘原理的多项式平滑算法对步骤2)选择后的天线信号进行预处理，再采用N迭代增强和P次增强公式对活动区间信号增强，非活动区间信号抑制；步骤4)动作分割算法：采用基于四分位数排序法对步骤3)增强后的信号进行动作分割，确定动作开始和结束时间；步骤5)人体行为识别：将步骤4)分割出的信号的开始和结束时间范围映射到原始CSI信号进行切分，提取特征后输入分类器训练判决。2.根据权利要求1所述的一种基于WiFi-CSI信号增强的人体活动识别方法，其特征是，所述步骤2)动态天线选择算法包括：(1)计算每个天线30个子载波在对应时间点的均值由3×30融合形成3×1，计算表达式为：其中，N为接收天线序号，k为子载波数目，为每个子载波中第p个数据包的幅值，L为子载波中数据包的总个数；(2)使用滑动窗口计算的方差，记为其中，var表示计算窗口内数据的方差，计算表达式为：其中，n表示滑动窗口内数据点个数，CSIi表示第i个样本的幅值，表示滑动窗口内所有样本数据的平均值；(3)计算(2)中的最大值与最小值差距DN；(4)对DN进行排序，滤除DN中最小值min(DN)所在的N号天线，剩余两根天线作为最终选择的天线。2CN112380903A权利要求书2/2页3.根据权利要求1所述的一种基于WiFi-CSI信号增强的人体活动识别方法，其特征是，所述步骤3)活动信号增强包括：(1)迭代增强：①使用滑动窗口计算步骤2)选择后的天线中每个子载波滑动窗口内的方差，生成一组新的数据序列CSIwin_var1；②使用同样的滑动窗口计算数据序列CSIwin_var1滑动窗口内的方差，生成第二轮迭代数据序列CSIwin_var2；③重复迭代步骤，生成第N轮迭代数据序列CSIwin_varN；④根据数据质量及实验精度要求，确定第N轮数据为迭代增强后的信号；(2)p次增强：①使用滑动窗口计算步骤2)选择后的天线中每个子载波滑动窗口内的S值，计算表达式为：其中，CSIi表示滑动窗口内第i个样本的幅值，表示滑动窗口内所有样本数据的平均值，p是根据不同实验环境的自然数；②根据数据质量及实验精度要求，选择合适的p值，确定p次增强后的信号。4.根据权利要求1所述的一种基于WiFi-CSI信号增强的人体活动识别方法，其特征是，所述步骤4)动作分割算法包括：(1)使用滑动窗口计算步骤3)增强后的信号中每个子载波滑动窗口内的均值；(2)对(1)中的均值序列进行升序排序，滤除小于四分位数75％的数值，大于四分位数75％所在的位置集合记为T；(3)集合T中每两个相邻的位置形成一个窗口，判断相邻两个窗口之间的距离，如果该距离小于某阈值w