[发明专利]一种基于迁移学习的跨场景无线信号感知方法

说明书

本发明公开了一种基于迁移学习的跨场景无线信号感知方法，该方法首先分别从部署了无线收发设备的原场景和目标场景采集步态或手势对应的无线信号，将收集到的无线信号在进行预处理后，进行特征提取生成训练数据，最后将提取的特征数据输入学习算法中进行学习，最终得到迁移函数，使用该迁移函数可迁移任何新来的未知的数据对象，它是脱机执行的一次性成本，而不需要进行额外的函数关系训练成本。本发明方法解决了跨场景的WiFi感知问题，即利用少量的训练样本训练迁移函数，利用该模型可迁移任意未知的对象到新的目标环境中，从而实现跨场景的识别或认证。

技术领域

本发明涉及无线感知技术领域，具体涉及一种基于迁移学习的跨场景无线信号感知方法。

背景技术

随着计算机技术的快速发展，用户对物体和环境感知能力的装备越来越受到关注，智能家居和办公室等智能室内空间可以实现感应和处理功能，减轻用户佩戴或携带智能设备的需求。启用这种智能空间需要在无需设备的情况下，轻松感知用户的身份和活动。使用WiFi的无装置传感在这种情况下显示出巨大的潜力，WiFi已经成为一种强大的感知信息的媒介。

现有的研究已经证明了WiFi作为一种传感技术的巨大潜力，利用无线信号可进行步态识别，手势识别，本地化，健康和风险评估，活动检测和情感识别等任务；的确，无线传感现在已经从一个研究利基转移到一个主流的活动，但目前场景的转换限制了WiFi传感的使用。首先，部署WiFi感应解决方案需要一个收集训练测量的劳动密集型和时间消耗的过程，以描述无线信道指标，如受到目标对象(例如步态或手势)影响的信道状态信息(Channel State Information,CSI)或接收信号强度指标(Received Signal StrengthIndicator，RSSI)；由于不同部署点对信号的影响不同，所以必须为每个部署站点的每个目标对象或活动收集这些训练数据。虽然从每个用户收集这样的数据可能是可行的，但要求每位员工或访客在智能办公环境中提供每个会议室的训练数据是不可行的。

以往的研究工作在步态识别和手势识别上都得到了较好的识别效果，但都是针对单一场景下的识别，都需要从每个部署环境收集目标训练数据，无法达到跨场景感知的目的。

发明内容

本发明的目的是提供一种跨场景的无线信号感知方法，通过建立迁移模型，使得通过小规模的数据采集即可获取不同环境对无线信号的影响情况，从而实现跨场景的识别或认证。

为了实现上述任务，本发明采用以下技术方案：

一种基于迁移学习的跨场景无线信号感知方法，包括以下步骤：

步骤一，信号采集

在原场景、目标场景按照相同的方式部署无线信号收发设备，测试者分别在原场景、目标场景中作出相同的行为动作，通过原场景、目标场景中的无线信号收发设备分别采集测试者作出行为动作时的无线信号，并对无线信号进行预处理后进行特征提取，分别得到测试者在原场景、目标场景中的信号特征；

步骤二，建立迁移函数

建立神经网络，将测试者在原场景、目标场景中的信号特征作为用于训练神经网络的输入训练集，通过神经网络的训练，得到原场景到目标场景的迁移函数；

步骤三，对象的迁移

当待测对象位于原场景中并作出行为动作时，通过原场景中的无线信号收发设备采集无线信号，对无线信号经过预处理后进行特征提取，将得到的信号特征作为测试特征集，输入到所述的迁移函数中，则迁移函数输出的是测试特征集在目标场景中的预测值。

进一步地，所述的步骤三得到预测值后，通过所述的预测值训练分类器，则当待测对象处于目标场景中作出其他行为动作时，利用训练好的分类器对所述的其他行为动作进行分类识别。

进一步地，所述的无线信号收发设备包括无线信号发射端以及无线信号接收端，二者间隔设置，且所述的测试者位于二者之间。