[发明专利]一种基于无线信号的多模态特征融合步态识别方法

权利要求书

1.一种基于无线信号的多模态特征融合步态识别方法，其特征在于，主要包括：

信号采集，使用商用支持IEEE802.11n的路由器作为WiFi信号的I信号；分别在走廊和大厅采集多人数据；发射端，使用一个带有Intel5300无线网卡的计算机作为接收端，接收CS

信号处理，信号处理阶段对CSI信号进行去噪和进行动静态序列的检测；

网络分类，在对于动态部分使用一个17层的一维卷积神经网络用于动态特征提取；对于静态部分，采用常见的用于图像分类的深度卷积网络提取静态部分特征；最后将动态静态特征进行融合，经过网络分类输出得到识别结果。

2.根据权利要求1所述的基于无线信号的多模态特征融合步态识别方法，其特征在于，所述信号处理包括：

采用滑动窗口法去除加性噪声：

其中为第n个窗口第t时刻CSI的信号幅值，为经过处理后的CSI信号幅值，为第n个窗口的中位值；

采用通带频率为30Hz的巴特沃兹低通滤波器；

经过预处理过后，可以得到降噪后的CSI信号；然而经过预处理后的CSI数据依然包含有冗余信号片段；

经过降噪滤波处理后的CSI片段，在没有用户行走时CSI信号处于平稳的状态，而在环境中有用户在活动，则CSI有很明显的波动；依据动静态CSI信号的明显区别，采用非重叠滑动窗口方差法进行片段波动性检测，通过计算窗口的方差并设定相应的阈值来确定运动阶段的起点和终点：

其中为第t个窗口的方差，代表第t个窗口第n条子载波上的第i个数据点，表示第t个时间窗口的第n条子载波的均值；为候选点阈值，能够初步确定候选的运动阶段起始点和终点，为加入缓冲区机制的阈值用于确定最终运动阶段起始点和终点。

3.根据权利要求1所述的基于无线信号的多模态特征融合步态识别方法，其特征在于，所述网络分类包括：

动态部分，用一维卷积网络来提取动态特征，其中卷积层对给定输入的特征进行卷积，该操作可以有效提取空间相关信息；采用一个17层的一维卷积网络来对动态信息的提取；

静态部分，在输入网络前使用转置卷积对数据进行上采样，将数据从30*1*1转换的3*224*224；

静态包括有起始和结束两个阶段的静止状态，选取起始阶段静止状态和结束阶段静止状态的各一个CSI幅值作为静态数据；采用两个完全相同的并行静态部分网络结构对静态数据进行特征提取分类，即来自不同阶段的静态数据只有在通过卷积网络后才会合并在一起，它将包含更多完整的特征。