[发明专利]一种基于深度时空模型的wifi感知方法

权利要求书

1.一种基于深度时空模型的wifi感知方法，其特征在于：包括如下步骤：

步骤1，在室内场景中采集不同动作的wifi信号并提取通道信号状态信息CSI；

步骤2，滤除CSI的噪声，对滤波后的CSI数据进行差分运算，进而分离出动作样本，利用滑窗将动作样本划分成多个时间片段；其中，采用固定大小的窗口沿着时间方向在动作样本上滑动，将一个动作样本分割成多个时间片段；

步骤3，将这些片段输入到多层卷积神经网络CNN，提取空间特征；

步骤4，将每个样本多个时间片段的空间特征输入到双向长短时记忆神经网络Bi-LSTM中，进一步挖掘样本的时序特征；具体为将每个训练样本的时间片段输入到已经训练好的CNN模型中，分别提取最后一个全连接层的特征，并将这些特征和标签进一步输入到双向长短时记忆神经网络Bi-LSTM中，训练时序模型，挖掘时序特征；

步骤5，利用训练样本训练深度时空模型，包括CNN模型和Bi-LSTM模型，将测试样本输入到训练好的模型中，识别样本的类别；将测试样本的多个时间片段输入到训练好的CNN模型中，提取最后一个全连接层特征作为其空间特征；将每个测试样本的空间特征进一步输入到训练好的Bi-LSTM模型中，学习时间序列之间的时序特征，并得到测试样本的分类结果。

2.根据权利要求1所述的一种基于深度时空模型的wifi感知方法，其特征在于：步骤1具体为，在室内放置wifi发射器和接收器，采用路由器作为发射器，接收器连接配有Intel5300的PC机，开启设备，志愿者在发射器和接收器中间做不同动作，使用采集软件接收wifi信号，并提取CSI数据。

3.根据权利要求1所述的一种基于深度时空模型的wifi感知方法，其特征在于：步骤2具体为，通过巴特沃斯低通滤波器对CSI数据去噪，滤除掉人体动作之外的其他噪声引起的频率变化；再采用差分的方法将滤波数据的非动作部分分离，切割出动作区域；最后采用滑窗的方法将每个动作样本划分成多个尺寸相同的时间片段。

4.根据权利要求1所述的一种基于深度时空模型的wifi感知方法，其特征在于：步骤3中，将训练样本的时间片段数据和对应的标签都输入到CNN网络中，训练CNN模型。