[發明專利]一種基于信道狀態信息的人員動作識別和位置估計方法

有效

• 申請號: 202010959523.4
• 申請日: 2020-09-14
• 公開（公告）號: CN112153736B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 顏俊;萬凌鵬;曹艷華
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;G06N3/08;G06N3/04;G06V40/20;G06V10/764;G06V10/774
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

1.一種基于信道狀態信息的人員動作識別和位置估計方法，其特征在于：所述方法主體分為離線階段和在現階段，其中離線階段包括：

步驟S1、基于預設的參考位置點和預設動作，在接收端采集Wifi信號的信道狀態信息，構建信道狀態信息圖像，過程包括：

步驟S11、構造第一個發射信號在接收端的信道狀態信息幅度測量值矩陣，對于第一個接收數據包，以每個接收天線接收的信道狀態信息幅度測量值作為矩陣的每一行，得到對應矩陣的維數表示為N_R×N_K，其中N_R為接收天線數目，N_K為提取的信道狀態信息幅度測量值子載波數目；

步驟S12、信道狀態信息幅度差預處理，在步驟S11所得矩陣中，以任意一個接收天線的信道狀態信息幅度測量值為參考值，對矩陣中每一行都減去參考值，并刪除矩陣中的全零行，得到基于第一個接收數據包下、基于第一個發射信號的信道狀態信息幅度差矩陣，維數表示為(N_R-1)×N_K；

步驟S13、對每一個發射信號重復步驟S11和步驟S12的相同操作，得到每個發射信號在第一個接收數據包下的信道狀態信息幅度差矩陣，然后進行基于行的矩陣合并操作，得到在第一個接收數據包下的信道狀態信息幅度差矩陣，維數表示為[(N_R-1)×N_T]×N_K，其中N_T為發射天線數目；

步驟S14、對除第一個接收數據包外的每個接收數據包重復步驟S11、S12、S13的相同操作，得到每個接收數據包下全部發射信號的信道狀態信息幅度差矩陣；再進行基于行的矩陣合并操作，得到全部接收數據包和發射信號的信道狀態信息幅度差矩陣；

步驟S15、利用計算機圖像渲染技術對步驟S14所得到的信道狀態信息幅度差矩陣進行圖像渲染，得到信道狀態信息圖像；

并構建基于動作識別和位置估計的訓練數據集合，過程包括：利用所對應的參考位置點的坐標作為訓練樣本的位置標簽，構建包含信道狀態信息圖像和位置標簽的位置估計訓練數據集合；以所對應的動作為訓練樣本的動作標簽，構建包含信道狀態信息圖像和動作標簽的動作識別訓練數據集合；

步驟S2、利用卷積神經網絡進行基于動作的分類學習，得到基于動作的分類模型；

步驟S3、利用卷積神經網絡提取信道狀態信息圖像在X軸位置、Y軸位置上的深度特征信息，然后利用支持向量機進行回歸學習，過程包括：

步驟S31、將步驟S1中所述位置估計的訓練數據集合分割成為關聯X軸坐標的第一訓練數據集和關聯Y軸坐標的第二訓練數據集；

步驟S32、利用卷積神經網絡提取第一訓練數據集中信道狀態信息圖像的深度特征信息，利用支持向量機進行回歸學習，獲得基于X軸坐標的第一回歸函數；

步驟S33、利用卷積神經網絡提取第二訓練數據集中信道狀態信息圖像的深度特征信息，利用支持向量機進行回歸學習，獲得基于Y軸坐標的第二回歸函數；

在現階段包括：

步驟S4、將接收端接收Wifi信號所得的信道狀態信息，按照與離線階段步驟S1相同的方法，構建實時的信道狀態信息圖像；

步驟S5、將步驟S4所得的信道狀態信息圖像作為輸入，帶入到離線階段步驟S2所得的分類模型中，估計目標動作；

步驟S6、利用卷積神經網絡分別提取步驟S4所得的信道狀態信息圖像中基于X軸位置、Y軸位置的深度特征信息，并通過帶入對應的回歸函數，估計目標X軸位置和Y軸位置。

2.根據權利要求1所述基于信道狀態信息的人員動作識別和位置估計方法，其特征在于離線階段步驟S1中采集Wifi信號的信道狀態信息之前，還包括在實驗場景中布置兩個以上的接收端、密度分布的若干個參考位置點和預設兩種以上人員動作，步驟S1中利用接收端采集Wifi信號基于各參考位置點和各種預設動作的信道狀態信息。