[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

本發明揭示了一種基于信道狀態信息的人員動作識別和位置估計方法。離線階段，利用目標在不同參考位置點上進行不同的動作，接收WiFi信號的CSI；然后根據CSI測量值幅度的時域，空域和頻域信息構建CSI圖像，形成關聯CSI圖像的動作識別訓練數據集和位置估計訓練數據集；最后利用卷積神經網絡CNN進行基于動作的分類學習，得到動作分類模型；使用CNN提取CSI圖像兩軸位置上的深度特征信息，利用支持向量機SVM進行回歸學習，分別得到基于兩軸位置的回歸函數。在線階段，將接收到的CSI測量值構建CSI圖像，利用動作分類模型估計目標動作；同時提取CSI圖像兩軸位置上的深度特征信息，利用回歸函數計算出目標位置。本方法定位精度和動作識別率高，結構簡單且成本低。

技術領域

本發明涉及一種定位識別技術，尤其涉及一種利用Wifi信號的信道狀態信息、通過機器學習實現在無設備條件下，進行目標動作識別和位置估計的方法。

背景技術

人員的位置和狀態估計在日常生活中得到了各種應用，如老年人監測，人員追蹤，病房預警等，已經引起了學術界和工業界的廣泛關注。傳統的人員狀態和位置估計的實現要么采用穿戴設備的方法，要么依靠攝像頭。但是這兩類方法都存在一定的應用限制。需要穿戴設備的方法大多需要用到內置無線傳感器的設備，這些設備不僅價格昂貴，而且在一些場合下不方便佩戴；而依靠攝像頭的方法需要依靠像光照這樣的條件，而且存在攝像的死角。

近年來，無線網絡開始廣泛部署，使得無線相關技術開始迅速發展。研究表明，無線網絡不僅可以用來傳輸數據，還可以對周圍環境的變化進行感知，如人員檢測、室內定位、室內尋跡等。利用無線信號的信道狀態信息對人體動作進行識別逐漸引起研究人員的廣泛關注。由于復雜背景環境的干擾，通常情況下，發射端的無線信號不會沿視距路徑到達接收端，而是經由人體、家具及其他障礙物的反射、散射、衍射等多條路徑傳播。在接收端得到的多徑疊加的信號就會攜帶反映環境的特征信息。與傳統接收信號強度不同，信道狀態信息是從無線鏈路接收到的分組中測量每個正交頻分復用子載波，因而信道狀態信息在短時間內的變化幅度要比接收信號強度小的多，而且其所含的信息更加豐富。

發明內容

本發明的目的旨在提出一種基于信道狀態信息的人員動作識別和位置估計方法，通過深度學習實現無新增設備下的高精度定位，準確識別動作。

本發明解決上述問題所采用的技術方案為：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，并構建基于動作識別和位置估計的訓練數據集合；

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，分別得到基于X軸和Y軸位置坐標的回歸函數；

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。

上述基于信道狀態信息的人員動作識別和位置估計方法，進一步地，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。