[發明專利]基于無線信號屬性的機器學習的運動檢測

在審

• 申請號: 201880075920.6
• 申請日: 2018-02-08
• 公開（公告）號: CN111512178A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 樸云峰;C·V·奧列卡斯;M·A·扎卡羅夫
• 申請（專利權）人: 認知系統公司
• 主分類號: G01S11/00
• 分類號: G01S11/00;G06N3/02;G06N3/08
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種運動檢測方法，包括：

在神經網絡訓練系統處獲得多個標記神經網絡輸入數據集，各標記神經網絡輸入數據集是基于在相應時間段內發送通過空間的無線信號的序列的統計分析，各標記神經網絡輸入數據集包括用于指示在所述相應時間段內在所述空間中是否發生了運動的標記；以及

通過神經網絡訓練系統的操作，處理所述標記神經網絡輸入數據集以對神經網絡系統的節點進行參數化，其中，對所述節點進行參數化將所述神經網絡系統配置為基于未標記神經網絡輸入數據來檢測運動。

2.根據權利要求1所述的方法，其中，神經網絡訓練數據包括所述無線信號的統計參數值集的直方圖數據，所述直方圖數據包括直條集和針對各直條的數量，各直條與所述統計參數中的各統計參數的相應范圍相對應。

3.根據權利要求2所述的方法，其中，所述直方圖數據包括針對一個或多個軸所標繪的所述統計參數的圖像。

4.根據權利要求2所述的方法，其中，所述統計參數包括均值和標準偏差。

5.根據權利要求2所述的方法，還包括：

獲得所述無線信號的頻域表示；

基于所述無線信號的頻域表示來計算所述統計參數值；

將所述統計參數值填充到初始矩陣中；以及

基于所述初始矩陣來生成所述直方圖數據。

6.根據權利要求1所述的方法，其中，針對各標記神經網絡輸入數據集的標記用于指示運動的類別，以及對所述節點進行參數化將所述神經網絡系統配置為基于未標記神經網絡輸入數據來檢測運動的類別。

7.根據權利要求1所述的方法，還包括：

在所述神經網絡訓練系統處獲得附加標記神經網絡輸入數據集，各附加標記神經網絡輸入數據集包括用于指示在所述相應時間段內在所述空間中是否存在干擾的標記；以及

通過神經網絡訓練系統的操作，處理所述附加標記神經網絡輸入數據集以對所述神經網絡系統的節點進行參數化，其中，對所述節點進行參數化將所述神經網絡系統配置為基于未標記神經網絡輸入數據來檢測干擾。

8.根據權利要求1所述的方法，其中，所述神經網絡系統包括卷積神經網絡。

9.一種神經網絡訓練系統，包括：

數據處理設備；以及

存儲器，其包括由所述數據處理設備執行時能夠運行以進行操作的指令，所述操作包括：

獲得多個標記神經網絡輸入數據集，各標記神經網絡輸入數據集是基于在相應時間段內發送通過空間的無線信號的序列的統計分析，各標記神經網絡輸入數據集包括用于指示在所述相應時間段內在所述空間中是否發生了運動的標記；以及

處理所述標記神經網絡輸入數據集以對神經網絡系統的節點進行參數化，其中，對所述節點進行參數化將所述神經網絡系統配置為基于未標記神經網絡輸入數據來檢測運動。

10.根據權利要求9所述的神經網絡訓練系統，其中，神經網絡訓練數據包括所述無線信號的統計參數值集的直方圖數據，所述直方圖數據包括直條集和針對各直條的數量，各直條與所述統計參數中的各統計參數的相應范圍相對應。

11.根據權利要求10所述的神經網絡訓練系統，其中，所述直方圖數據包括針對一個或多個軸所標繪的所述統計參數的圖像。

12.根據權利要求10所述的神經網絡訓練系統，其中，所述統計參數包括均值和標準偏差。

13.根據權利要求10所述的神經網絡訓練系統，其中，所述操作包括：

獲得所述無線信號的頻域表示；

基于所述無線信號的頻域表示來計算所述統計參數值；

將所述統計參數值填充到初始矩陣中；以及

基于所述初始矩陣來生成所述直方圖數據。