(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 (43)申请公布日 (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.
G06K 9/00(2006.01)
G06K 9/62(2006.01)
G06N 20/20(2019.01)
(54)发明名称
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
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。权利要求书2页 说明书9页 附图6页CN 112380903 A 2021.02.19
C N 112380903
A
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CSI N＝{CSI N，n}：
CSI1＝{CSI1，1，CSI1，2，…，CSI1，30}
CSI2＝{CSI2，1，CSI2，2，…，CSI2，30}
CSI3＝{CSI3，1，CSI3，2，…，CSI3，30}
其中，CSI N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，CSI i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D N；
(4)对D N进行排序，滤除D N中最小值min(D N)所在的N号天线，剩余两根天线作为最终选择的天线。
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CSI win_var1；
②使用同样的滑动窗口计算数据序列CSI win_var1滑动窗口内的方差，生成第二轮迭代数据序列CSI win_var2；
③重复迭代步骤，生成第N轮迭代数据序列CSI win_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，CSI i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win_interval则进行合并，如果合并后仍小于某阈值win_min，则删除该窗；
(4)T中剩余连续数据的范围是数据序列中的活动的开始时间v js至结束时间v je，其中，v js表示单个子载波分割的开始时间，v je表示表示单个子载波分割的结束时间；
(5)对30个子载波执行(1)-(4)，生成每个子载波动作的开始时间v js至结束时间v je；
(6)对所有子载波分割窗口的左右边界进行合并，合并形成总的开始点T s＝min(v js)，总的结束点T e＝max(v je)；
其中，T s表示所有子载波分割的总开始时间，T e表示所有子载波分割的总结束时间。
一种基于WiFi-CSI信号增强的人体活动识别方法
技术领域
[0001]本发明属于无线感知技术领域，具体涉及在一种基于WiFi-CSI信号增强的人体活动识别方法。
背景技术
[0002]如今，WiFi信号已广泛覆盖，如果将WiFi设备看作是某种意义上的传感器，那么由WiFi信号覆盖的网络将会成为全球最大的一张传感器网络，成为除视觉、传感器、光波、声波之外的新型感知媒介。室内WiFi信号经直射、反射、散射多径叠加到达接收端，从而携带物理环境特征的信息。基于WiFi信号的无线感知技术是联系物理世界和信息世界的重要枢纽。其中，基于WiFi信号的人体行为识别技术成为智能医疗、人机交互等众多领域的研究热点。
[0003]目前，在基于WiFi信号人体行为识别方法中，对于子载波的选取与融合方法的研究已经非常丰富，
但针对多输入输出(MIMO)天线系统中关于天线的处理方案研究甚少，然而，MIMO天线系统保证了高精度感知的同时，也带来了大量的冗余、非敏感数据。如何对动作敏感程度最高的天线，是实现高精度、快速识别的前提和关键所在。
[0004]在基于WiFi信号人体行为识别方法的数据预处理模块中，众多方法被用于滤除环境噪声，如各种滤波器，小波变换等。其目的旨在减少环境噪声对活动信号的影响，然而这些方法只是被动地“降噪”，而没有主动地去“增强”。反过来讲，如果能够增加活动信号与非活动信号之间的差异性，使得活动信号被增强，非活动信号被削弱，进一步将这种差异进行放大，那么活动信号与非活动信号将会被分离开来，削弱非活动信号对识别的影响。[0005]在整个CSI时间序列中，由人体行为引起的信号变化只占很少的一部分，绝大多数信号都是由动作开始前和结束后的非活动信号组成，如果将整个时间序列提取特征输入分类器训练，大量非活动信号将会增加计算开销，影响识别准确率。因此，需要一种动作分割方法将获得信号与非活动信号区分割开来，提供最能够代表人体行为特征的信号区间。[0006]综上，国内外在基于WiFi信号的人体行为识别技术方面的研究已经取得一定理论成果，但该技术仍然存在一些问题需要解决。
发明内容
[0007]本发明的目的在于提供一种基于WiFi-CSI信号增强的人体活动识别方法，以解决上述存在的技术
问题。本发明提出的方法可以实现室内环境下人体行为的识别，更有效的提取了最能够代表人体行为特征的数据，提高精度和效率。
[0008]为了实现上述目的，本发明采用以下技术方案：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：
[0009]步骤1)CSI数据采集：
[0010]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CSI N＝{CSI N，n}：
[0011]CSI1＝{CSI1，1，CSI1，2，…，CSI1，30}
[0012]CSI2＝{CSI2，1，CSI2，2，…，CSI2，30}
[0013]CSI3＝{CSI3’1，CSI3，2，…，CSI3，30}
[0014]其中，CSI N表示第N个接收天线接收到的信号，n表示子载波数目；
[0015]步骤2)动态天线选择算法：
[0016]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；
[0017]步骤3)活动信号增强：
[0018]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；[0019]步骤4)动作分割算法：
[0020]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；
[0021]步骤5)人体行为识别：
[0022]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。
[0023]进一步，所述步骤2)动态天线选择包括：
[0024](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：
[0025]
[0026]其中，N为接收天线序号，k为子载波数目，p为每个子载波中第p个接收包的幅值,L 为子载波中数据包的总个数；
[0027](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：
[0028]
[0029]其中，n表示滑动窗口内数据点个数，CSI i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；
[0030](3)计算(2)中的最大值与最小值差距D N；
[0031](4)对D N进行排序，滤除D N中最小值min(D N)所在的N号天线，剩余两根天线作为最终选择的天线。
[0032]进一步，所述步骤3)活动信号增强包括：
[0033](1)迭代增强：
[0034]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CSI win_var1；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议