[发明专利]一种基于Wi-Fi中CSI信号的人体动作与呼吸的检测方法和系统

权利要求书

1.一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测方法，其特征在于，该检测方法包括以下步骤：

从室内Wi-Fi无线信号提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；

对获取得到的所有CSI信号数据进行预处理；

在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；

在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；

根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型，

使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别，

室内无人时的CSI信号，包括门、窗、空调开闭状态；

室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据包括：

人处于站立、坐静止姿态的呼吸的CSI信号数据，包含深浅快速呼吸的呼吸数据；

人体处于呼气后、吸气后屏气姿态的CSI信号数据；

人体处于走动、下蹲的活动姿态的CSI信号数据，

对CSI信号数据进行预处理包括：

首先进行两次巴特沃斯滤波，滤波的过程是首先使信号序列正向通过滤波器得到第一次滤波的输出,然后将第一次滤波的输出序列进行时域翻转,将时域翻转后的序列通过同样的滤波器进行二次滤波,二次滤波后的输出再次进行时域翻转,则可得到滤波后的CSI数据；

接着对数据进行标准化，使用Z-score标准化方法，给予原始数据的均值和标准差进行数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：

其中μ为所有样本数据的均值，σ为所有样本数据的标准差，

呼吸识别模型、行为识别模型、空间监测模型是采用全链接神经网络作为深度学习方法建立的模型，用于对人体行为的识别，

将CSI信号数据无人场景标记为0；

将CSI信号数据中呼、吸、屏气的动作过程分别进行标记1，2，3，用于呼吸识别模型的训练样本，其中，

对呼、吸动作是从动作启动时记录，记录整个过程，包括最高、最低点，屏气动作是在呼吸动作的过程中，突然屏气，记录整个屏气的全过程；

CSI信号数据中,包括站立、坐、躺、走动、下蹲的人体行为动作标记为4,5,6,7,8，用于行为识别模型的训练样本；

CSI信号数据描述室内的信号分布,通过不同位置CSI变化划分监测区域，建立空间监测模型；

使用深度神经网络创建包括呼吸识别模型、行为识别模型和空间监测模型的分类模型,使用分类模型对人体位置、行为、呼吸进行识别。

2.一种基于Wi-Fi中CSI信号的多人动作与呼吸的检测系统，其特征在于，该系统包括室内Wi-Fi路由器，存储器以及

与该存储器耦合的一个或多个处理器，所述处理器被配置为执行存储器中指令，处理器执行的操作包括：

接收室内Wi-Fi路由器发出的无线信号；

从室内Wi-Fi无线信号中提取出CSI信号，获取室内无人时的CSI信号和室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据；

对获取得到的所有CSI信号数据进行预处理；

在CSI信号数据中，将人体呼吸的动作数据进行标记，用于建立呼吸识别模型；

在CSI信号数据中，将人体动作姿态的数据进行标记，用于建立行为识别模型；

根据CSI信号数据中，不同位置CSI变化划分监测区域，建立空间监测模型；

使用已经建立的呼吸识别模型、行为识别模型和空间监测模型，利用获取的Wi-Fi中CSI信号对室内人体位置、行为、呼吸进行识别，

室内无人时的CSI信号，包括门、窗、空调开闭状态；

室内人体在不同位置下不同动作姿态和呼吸的CSI信号数据包括：

人处于站立、坐静止姿态的呼吸的CSI信号数据，包含深浅快速呼吸的呼吸数据；

人体处于呼气后、吸气后屏气姿态的CSI信号数据；

人体处于走动、下蹲的活动姿态的CSI信号数据，

对CSI信号数据进行预处理包括：

首先进行两次巴特沃斯滤波，滤波的过程是首先使信号序列正向通过滤波器得到第一次滤波的输出,然后将第一次滤波的输出序列进行时域翻转,将时域翻转后的序列通过同样的滤波器进行二次滤波,二次滤波后的输出再次进行时域翻转,则可得到滤波后的CSI数据；

接着对数据进行标准化，使用Z-score标准化方法，给予原始数据的均值和标准差进行数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：

其中μ为所有样本数据的均值，σ为所有样本数据的标准差，

呼吸识别模型、行为识别模型、空间监测模型是采用全链接神经网络作为深度学习方法建立的模型，用于对人体行为的识别。