[发明专利]行为识别方法及装置、电子设备、存储介质

权利要求书

1.一种行为识别方法，其特征在于，包括：

对Wi-Fi信号的初始频域信道响应进行清洗，得到清洗后频域信道响应；

基于所述初始频域信道响应、所述清洗后频域信道响应，确定噪声采样点向量，并确定所述噪声采样点向量对应的噪声协方差矩阵；

对所述噪声协方差矩阵进行LDL分解，得到所述噪声协方差矩阵的单位下三角矩阵；

基于所述单位下三角矩阵，对所述清洗后频域信道响应进行解干扰，得到目标矩阵，并确定所述目标矩阵对应的目标协方差矩阵；

对所述目标协方差矩阵进行特征值分解，得到无源目标的观测多普勒速度；

根据多个观测时刻的观测多普勒速度，确定所述无源目标的行为识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对Wi-Fi信号的初始频域信道响应进行清洗，得到清洗后频域信道响应，包括：

对所述初始频域信道响应进行共轭翻转，得到翻转后频域信道响应；

对所述翻转后频域信道响应进行逆傅里叶变换，得到目标信道冲激响应；其中，所述目标信道冲激响应包括多个采样点，每一采样点的时域信道估计值为实数；

对所述目标信道冲激响应进行采样，得到指定信道冲激响应；

在所述指定信道冲激响应中进行滑窗，搜索最大能量值对应的多个窗内采样点；其中，所述能量值为窗内采样点的时域信道估计值的总和；

将除了所述多个窗内采样点以外的剩余采样点的时域信道估计值置零，并将低于噪声门限的窗内采样点的时域信道估计值置零，将所述多个窗内采样点的最大时域信道估计值置零，得到清洗后信道冲激响应；

对所述清洗后信道冲激响应进行傅里叶变换，得到清洗后频域信道响应。

3.根据权利要求2所述的方法，其特征在于，在所述将除了所述多个窗内采样点以外的剩余采样点的时域信道估计值置零，并将低于噪声门限的窗内采样点的时域信道估计值置零，将所述多个窗内采样点的最大时域信道估计值置零之前，所述方法还包括：

在搜索到最大能量值对应的多个窗内采样点之后，确定所述指定信道冲激响应中剩余采样点的最大时域信道估计值；

将所述最大时域信道估计值，确定为噪声门限。

4.根据权利要求1所述的方法，其特征在于，所述根据多个观测时刻的观测多普勒速度，确定所述无源目标的行为识别结果，包括：

基于多个观测时刻的观测多普勒速度，构建观测多普勒速度-时间谱；

从所述观测多普勒速度-时间谱上裁切指定时间段内生成的子谱图像，作为待识别图像；

将所述待识别图像作为已训练的行为识别模型，得到所述行为识别模型输出的行为识别结果。

5.根据权利要求4所述的方法，其特征在于，在所述基于多个观测时刻的观测多普勒速度，构建观测多普勒速度-时间谱之前，所述方法还包括：

获取Wi-Fi信号的多个样本频域信道响应，并分别将每一样本频域信道响应转换为样本多普勒速度-时间谱；其中，所述多个样本频域信道响应对应预设多个行为类别；

根据每一样本多普勒速度-时间谱，构建多个样本图像；其中，每一样本图像标记所述样本多普勒速度-时间谱对应的行为类别标签；

基于所述多个样本图像对机器学习模型进行训练，得到行为识别模型。

6.一种行为识别装置，其特征在于，包括：

清洗模块，用于对Wi-Fi信号的初始频域信道响应进行清洗，得到清洗后频域信道响应；

确定模块，用于基于所述初始频域信道响应、所述清洗后频域信道响应，确定噪声采样点向量，并确定所述噪声采样点向量对应的噪声协方差矩阵；

第一分解模块，用于对所述噪声协方差矩阵进行LDL分解，得到所述噪声协方差矩阵的单位下三角矩阵；

解干扰模块，用于基于所述单位下三角矩阵，对所述清洗后频域信道响应进行解干扰，得到目标矩阵，并确定所述目标矩阵对应的目标协方差矩阵；

第二分解模块，用于对所述目标协方差矩阵进行特征值分解，得到无源目标的观测多普勒速度；

识别模块，用于根据多个观测时刻的观测多普勒速度，确定所述无源目标的行为识别结果。