融合CNN、BiLSTM和Transformer模型的呼吸模式识别方法

本发明公开了融合CNN、BiLSTM和Transformer模型的呼吸模式识别方法，包括：采集多种场景下多种不同呼吸模式的CSI信息；提取CSI振幅信息，对CSI振幅进行预处理，对CSI信息进行复共轭乘积增强呼吸相关成分，再利用Hampel剔除异常值，而后通过离散小波变换实现数据去噪，最后进行归一化；将预处理后的CSI振幅数据转为子载波余弦相似度矩阵，构建并划分数据集；将训练集作为CBT‑Net模型的输入，该模型首先使用卷积神经网络并结合CBAM注意力模块提取子载波余弦相似度图的中呼吸信号特征，再利用双向长短期记忆网络和Transformer模型合并特征分析，并进一步处理与分类。本发明解决了呼吸模式无线检测领域精度不足的问题，具有较高的识别准确率，为多种场景下呼吸模式识别提供了新的解决方案。