基于多级小波变换和WiFi感知的人体活动识别方法与装置

AITNT
正文
推荐专利
基于多级小波变换和WiFi感知的人体活动识别方法与装置
申请号:CN202511024707
申请日期:2025-07-24
公开号:CN120974224A
公开日期:2025-11-18
类型:发明专利
摘要
本申请公开了基于多级小波变换和WiFi感知的人体活动识别方法与装置。该方法包括:获取CSI数据;对CSI数据进行小波分解,得到多个不同的频率分量;分别提取CSI数据中每个子载波的前向时序特征和后向时序特征,将前向时序特征和后向时序特征进行相加得到双向时序特征;为不同的频率分量计算邻接矩阵;基于双向时序特征和自适应邻接矩阵聚合CSI数据中不同子载波的信息得到聚合特征,基于聚合特征得到多频率分量特征表示;将多频率分量特征表示输入到分类器中,得到人体活动识别结果。本申请能够解决现有技术中深度学习模型对于CSI数据数据特征提取能力不足,导致无法有效提升人体活动识别准确率的问题,实现WiFi感知场景下有效识别人体活动的目的。
技术关键词
人体活动识别方法 时序特征 分量特征 载波 WiFi信号源 频率 卷积模块 分支 高通滤波器 低通滤波器 矩阵 序列 分类器 数据特征提取 融合特征 节点 可读存储介质 深度学习模型
系统为您推荐了相关专利信息
1
一种刀具状态的预测系统和方法
数据存储单元 振动特征 时序特征 刀具 预测系统
2
一种基棒成型装置及其故障诊断方法及系统
故障诊断方法 成型装置 物理状态参数 时序特征 故障特征提取
3
一种锂离子电池健康度估计方法
健康度估计方法 矩阵 锂离子电池 超参数 注意力机制
4
一种工业传感器噪声智能检测方法
智能检测方法 时序特征 传感器噪声 生成模拟噪声 工业数据处理
5
一种语音控制电磁波谱治疗仪控制方法及系统
电磁波谱治疗仪 深度学习模型 时序特征 融合特征 控制系统
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号