[发明专利]一种基于信道状态信息的人员动作识别和位置估计方法

说明书

本发明揭示了一种基于信道状态信息的人员动作识别和位置估计方法。离线阶段，利用目标在不同参考位置点上进行不同的动作，接收WiFi信号的CSI；然后根据CSI测量值幅度的时域，空域和频域信息构建CSI图像，形成关联CSI图像的动作识别训练数据集和位置估计训练数据集；最后利用卷积神经网络CNN进行基于动作的分类学习，得到动作分类模型；使用CNN提取CSI图像两轴位置上的深度特征信息，利用支持向量机SVM进行回归学习，分别得到基于两轴位置的回归函数。在线阶段，将接收到的CSI测量值构建CSI图像，利用动作分类模型估计目标动作；同时提取CSI图像两轴位置上的深度特征信息，利用回归函数计算出目标位置。本方法定位精度和动作识别率高，结构简单且成本低。

技术领域

本发明涉及一种定位识别技术，尤其涉及一种利用Wifi信号的信道状态信息、通过机器学习实现在无设备条件下，进行目标动作识别和位置估计的方法。

背景技术

人员的位置和状态估计在日常生活中得到了各种应用，如老年人监测，人员追踪，病房预警等，已经引起了学术界和工业界的广泛关注。传统的人员状态和位置估计的实现要么采用穿戴设备的方法，要么依靠摄像头。但是这两类方法都存在一定的应用限制。需要穿戴设备的方法大多需要用到内置无线传感器的设备，这些设备不仅价格昂贵，而且在一些场合下不方便佩戴；而依靠摄像头的方法需要依靠像光照这样的条件，而且存在摄像的死角。

近年来，无线网络开始广泛部署，使得无线相关技术开始迅速发展。研究表明，无线网络不仅可以用来传输数据，还可以对周围环境的变化进行感知，如人员检测、室内定位、室内寻迹等。利用无线信号的信道状态信息对人体动作进行识别逐渐引起研究人员的广泛关注。由于复杂背景环境的干扰，通常情况下，发射端的无线信号不会沿视距路径到达接收端，而是经由人体、家具及其他障碍物的反射、散射、衍射等多条路径传播。在接收端得到的多径叠加的信号就会携带反映环境的特征信息。与传统接收信号强度不同，信道状态信息是从无线链路接收到的分组中测量每个正交频分复用子载波，因而信道状态信息在短时间内的变化幅度要比接收信号强度小的多，而且其所含的信息更加丰富。

发明内容

本发明的目的旨在提出一种基于信道状态信息的人员动作识别和位置估计方法，通过深度学习实现无新增设备下的高精度定位，准确识别动作。

本发明解决上述问题所采用的技术方案为：一种基于信道状态信息的人员动作识别和位置估计方法，其特征在于：所述方法主体分为离线阶段和在现阶段，其中离线阶段包括：

步骤S1、基于预设的参考位置点和预设动作，在接收端采集Wifi信号的信道状态信息，构建信道状态信息图像，并构建基于动作识别和位置估计的训练数据集合；

步骤S2、利用卷积神经网络进行基于动作的分类学习，得到基于动作的分类模型；

步骤S3、利用卷积神经网络提取信道状态信息图像在X轴位置、Y轴位置上的深度特征信息，然后利用支持向量机进行回归学习，分别得到基于X轴和Y轴位置坐标的回归函数；

在现阶段包括：

步骤S4、将接收端接收Wifi信号所得的信道状态信息，按照与离线阶段步骤S1相同的方法，构建实时的信道状态信息图像；

步骤S5、将步骤S4所得的信道状态信息图像作为输入，带入到离线阶段步骤S2所得的分类模型中，估计目标动作；

步骤S6、利用卷积神经网络分别提取步骤S4所得的信道状态信息图像中基于X轴位置、Y轴位置的深度特征信息，并通过带入对应的回归函数，估计目标X轴位置和Y轴位置。

上述基于信道状态信息的人员动作识别和位置估计方法，进一步地，离线阶段步骤S1中采集Wifi信号的信道状态信息之前，还包括在实验场景中布置两个以上的接收端、密度分布的若干个参考位置点和预设两种以上人员动作，步骤S1中利用接收端采集Wifi信号基于各参考位置点和各种预设动作的信道状态信息。