[发明专利]一种基于射频信号的运动检测方法

权利要求书

1.一种基于射频信号的运动检测方法，其特征在于，所述方法包括以下步骤：

S1接收目标反射的射频信号，经信号处理后去除静态环境，并采用标准差和峰值平均检测算法对人体运动进行检测；

S2根据检测结果激活信号自适应卷积神经网络，采用深度可分卷积和点卷积或群卷积因子进行全卷积运算建立轻量级信号自适应CNN块；

S3在CNN块中使用分离的分支从射频信号的时间和频率的谱图中提取特征，并将特征用于HAR，推断得到人体运动结果。

2.根据权利要求1所述的一种基于射频信号的运动检测方法，其特征在于，所述方法中，标准差计算公式为：

其中v₁,v₂,...,v_N是观测值，得到的标准差向量为{SD₁,SD₂,...,SD_L}，其中每个峰表示环境中的一个运动。

3.根据权利要求1所述的一种基于射频信号的运动检测方法，其特征在于，所述方法中，所述峰平均检测算法通过平均所有固有噪声电平的值进行确定固有噪声电平阈值th_motion，并将测试值val与coef·th_motion进行比较，其中coef是调整阈值的常数。

4.根据权利要求1所述的一种基于射频信号的运动检测方法，其特征在于，所述方法中，信号自适应卷积神经网络是由时间和频率两部分组成的CNN架构。

5.根据权利要求4所述的一种基于射频信号的运动检测方法，其特征在于，所述CNN架构使用分离的分支从时间和频率的谱图中提取特征，且每个分支都不共享CNN层的权重，每个分支都有一个或多个有效的CNN块来提取高级特征。

6.根据权利要求4所述的一种基于射频信号的运动检测方法，其特征在于，所述CNN架构基于约简－拆分－转换－合并规则，并使用群卷积来减少通道参数的数量。

7.根据权利要求1所述的一种基于射频信号的运动检测方法，其特征在于，所述方法通过信道分割模块将输入特征分成两个分支，其中一个分支应用k×k深度可分离卷积，另一个与第一个分支的输出相连，k为正整数。

8.根据权利要求1所述的一种基于射频信号的运动检测方法，其特征在于，所述方法使用逐点卷积进行不同信道间的信息通信，同时在CNN块应用扩张性卷积。

9.根据权利要求1所述的一种基于射频信号的运动检测方法，其特征在于，所述方法中，利用CNN结构来学习时域和频域的特征，并将该特征用于HAR。