[发明专利]一种基于CSI的与位置无关的人体活动识别方法

说明书

本发明公开了一种基于CSI的位置无关的人体活动识别方法，包括：1、在室内利用CSI信号采集若干位置的动作样本，每个位置下包含若干种动作种类；2、利用小波变换对样本去噪，并提取幅度值作为样本数据；3、将样本表示为隐藏表示，利用层次图神经网络对隐藏表示构建样本结构信息，类结构信息以及位置结构信息，用于对隐藏表示的数据增广；4、将每个位置下对动作的分类表示为一个多类分类任务，利用多任务学习选取若干个位置的数据用于训练，训练出分类模型；5、最后，使用训练好的模型对非训练位置上的数据进行测试分类。本发明利用WiFi‑CSI在有限的位置和样本的情况下就能以较高的精度实现对室内任意位置的动作识别。

技术领域

本发明属于无线通信技术领域，具体的说是一种基于多任务图神经网络的位置无关动作识别技术。

背景技术

近年来，人体动作识别在医疗、娱乐、智能家居等领域起着重要的作用。人体动作识别系统采用了不同的技术，如基于可穿戴传感器、雷达、计算机视觉等。由于人体所做动作可以通过Wifi信号来捕获，因此基于Wifi的动作识别引起了人们的关注。与其他人体动作识别技术相比，基于WiFi的技术具有成本低、无需穿戴设备、不会涉及隐私问题等优势。

WiFi信号包括接收信号强度信息(RSSI)和信道状态信息(CSI)。RSSI广泛应用于基于WiFi的人体动作识别，它是多个信号路径的聚合信号强度，具有简单性和低硬件要求的优势，但它只是无线信道的粗略表示。而CSI信号可以从子载波中提取更丰富的多径信息，CSI以物理层为基础，描述了信道的幅度和相位特性，能够更好地反映细粒度的信道信息。

当人类在采集动作时所处位置发生变化时，由于在接收器产生的多径叠加信号不同，所采集的WiFi信号也不相同。因此，基于CSI的人体动作识别中面临着一个系统泛化性能的问题，即位置泛化能力。系统的位置泛化能力体现在位置变化后无需重新训练仍然可以保持较高的分类准确率。在实际应用中，人类做动作时所处的位置并不固定，而现有的方法或模型大都是在固定的位置下做动作。这在实际应用中具有一定的局限性。一个直接的方案是对所有位置采集活动样本来进行训练。然而这需要的耗费大量时间与精力，所需成本太高。因此需要一个泛化能力强的系统，该系统只需少量样本或无需样本就能识别任意位置动作的系统。

目前，解决该问题的技术体现在两个方面。一方面，研究员通过将动作信号单独提取出来以降低位置变化所带来的影响，从而减少所需样本的数量。例如研究员通过从信号中提取出的一种与环境无关的动作信号BVP，开发了一个跨域手势识别系统Widar3.0；也有通过利用降秩和稀疏分解算法将手势信号从背景信息中分离出来的手势识别系统；还有通过在手势识别中引入多视图概念来获取与目标位置和方向无关的特征，从而实现手势和信号特征一对一映射的方法。然而，这些方法具有局限性，包括容易受到遮挡和方向等因素的影响、可识别的面积范围小等。另一方面是通过迁移学习或者元学习的方法来减少目标位置所需样本的数量。首先研究员通过有限的位置采集的数据样本进行训练，然后利用迁移学习的方法将模型迁移至目标位置，只利用少量样本即可实现对目标位置动作的识别；或者利用基于度量的元学习的方法，利用有限位置的数据样本训练后，通过少量的支持集来对目标位置的动作进行识别。然而，这两种方法仍旧需要目标位置的少量样本，具有一定的局限性。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出了一种基于多任务学习层次图神经网络的位置无关动作识别系统，以期能在有限位置的动作样本作为训练集的情况下实现对室内任意位置的动作的识别，从而能减少对室内任意位置动作识别时所需的样本数量。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于CSI的与位置无关的人体活动识别方法的特点是按如下步骤进行：

步骤1、选取室内空间的一块矩形区域；在所述矩形区域的外侧使用路由器作为WIFI信号的发送设备，记为AP，并使用网卡作为接收设备，记为RP；