[發明專利]一種基于Wi-Fi信號和遷移學習的活動分類模型構建方法及系統

有效

• 申請號: 202010144596.8
• 申請日: 2020-03-04
• 公開（公告）號: CN111460901B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 馮宏偉;明星霞;卜起榮;馮筠
• 申請（專利權）人: 西北大學
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/213;G06F18/214;G06F18/2411;G06N3/0464;G06N3/096
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 李婷;祁凡雨

本發明公開了一種基于Wi?Fi信號和遷移學習的活動分類模型構建方法及系統，包括：通過巴特沃斯濾波、奇異值分解、相位校正等操作對用戶活動對應的Wi?Fi信道狀態信息進行預處理；通過源域中的數據三元組結對訓練的方式訓練深度卷積特征提取網絡，采用遷移學習，用特征提取網絡模型提取目標域中預處理之后的Wi?FiCSI片段中的活動特征；利用所提取的活動特征結合SVM分類器實現跨域的活動分類任務。本發明采用遷移學習的方式，建立了一種新的基于Wi?Fi信號的跨域活動分類方法，針對現有的活動分類方法在環境改變之后模型應用失效的問題，提出了一種新的跨域活動分類框架，該方法能夠基于少量的帶標簽樣本實現目標域中的活動分類任務，提升了現有跨域活動分類效果。

技術領域

本發明涉及活動分類及神經網絡技術領域，具體涉及一種基于Wi-Fi信號和遷移學習的活動分類方法，主要用于實現跨域情況下的用戶活動分類。

背景技術

人體活動分類在智能家居、人機交互和智能安防等領域都具有重要的研究價值和意義。在智能家居中，我們可以通過對用戶活動的感知結果為用戶智能化調節室內的溫度、光線、濕度等。對于有老人的家庭，還能為老人提供智能化的看護。在人機交互領域，對用戶的行為進行感知，是理解并實現用戶需求的基礎。在智能安防領域，通過對用戶行為特征的挖掘能夠有效地判斷用戶的身份，避免單一的身份認證方式帶來的財產、人身安全問題。在這樣的發展趨勢下，人體活動分類技術(Human?Activity?Recognition,HAR)有巨大的應用價值和潛力。

近些年，無線通訊技術快速發展不僅方便了人們的日常生活，也為實現被動式的人體活動感知創造了可能性。Wi-Fi的低成本和應用廣泛的特點使基于Wi-Fi的活動分類技術迅速成為無線感知領域的熱門技術之一。基于Wi-Fi的活動分類技術的核心是通過挖掘用戶活動對Wi-Fi信號傳播的影響，實現活動分類任務。由于Wi-Fi接收端的信號是發送端發出的多路信號經過反射、折射、衍射等疊加的效果。因此，當環境中沒有用戶時，Wi-Fi傳播過程中的信號衰落只與環境的部署有關，環境的部署對Wi-Fi信號傳播產生的影響是一定的。另一方面，Wi-Fi信號傳播的這些特性，也導致了環境部署改變之后，會出現已有的活動分類模型應用失效的問題。在新的場景中需要重新獲取大量的標記數據，并且需要重新建立活動分類模型。

近年來隨著研究人員的不斷研究，有一些跨域的活動分類的方法被提出，雖然在一定程度上實現了基于Wi-Fi信號的跨域活動分類任務，但是這些方法共有的一個不足就是需要在目標域中收集大量的訓練數據。這種不足限制了基于Wi-Fi的活動技術的廣泛部署和應用，例如，如果想把這種技術應用到私人空間中，我們很難在這些環境中采集足夠的帶標簽樣本。因此，一種更加魯棒的、低代價的Wi-Fi跨域活動分類算法有待研究。

發明內容

針對現有技術中存在的不足，本發明的目的在于提供一種基于Wi-Fi信號和遷移學習的活動分類方法，解決現有技術在跨域活動分類任務中識別精度不高和需要大量帶標簽樣本的問題，針對現有的深度學習模型訓練方法不適用于跨域活動分類的問題，提出一種有效的基于結對數據的模型訓練方式。

為了解決上述技術問題，本發明采用以下技術方案：

本發明提出一種基于Wi-Fi信號和遷移學習的用戶活動分類模型構建方法，該方法構建的模型用于在Wi-Fi信號環境下從源域到目標域的跨域用戶活動分類，包括如下步驟，

步驟1，分別采集源域和目標域中的每一個用戶活動樣本對應的CSI樣本，通過每一個用戶活動樣本對應的CSI樣本得到每一個用戶活動樣本對應的CSI圖像；