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
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
健康度估计方法
矩阵
锂离子电池
超参数
注意力机制
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
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