[发明专利]一种基于射频信号的运动检测方法

说明书

本发明涉及运动检测技术领域，具体涉及一种基于射频信号的运动检测方法，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。本发明设计了信号自适应的卷积神经网络模型能够在资源受限的边缘设备上工作，而无需手工操作，可以最大限度地利用从射频信号中提取的信息，从而提高动作识别的准确性。

技术领域

本发明涉及运动检测技术领域，具体涉及一种基于射频信号的运动检测方法。

背景技术

人类动作识别(HAR)在广泛的现实应用中发挥着关键作用，传统上是通过可穿戴传感实现的。最近，为了避免可穿戴设备带来的负担和不适，利用射频(RF)信号的无设备方法成为HAR的一个很有前途的替代方案。大多数最新的无设备方法都需要在时间域或频域训练一个大型深度神经网络模型，需要大量的存储空间来包含模型，需要密集的计算来推断人类活动。

因此，即使在无设备HAR上取得了一些重大进展，当前的无设备方法在现实世界中仍然远远不现实，因为在现实世界中，边缘设备所拥有的计算和存储资源是有限的。

而基于RF的无设备方法的现有方案的不足之处：计算能力较低的边缘设备难以实现实时HAR；内存有限的边缘设备无法支持在其上运行大型神经网络；用于HAR的CSI信息不能从大多数商用Wi－Fi硬件检索，而只能从Intel 5300和一些特定的Atheros Wi－Fi卡，限制了基于Wi－Fi方法的实际采用。因此本文提出一种基于射频信号的运动检测方法。

发明内容

针对现有技术的不足，本发明公开了一种基于射频信号的运动检测方法，用于解决上述问题。

本发明通过以下技术方案予以实现：

本发明提供了一种基于射频信号的运动检测方法，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。

更进一步的，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。

更进一步的，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。其中峰平均检测算 法用以避免误报。由于噪音水平在空间和时间上都是变化的，我们不 能使用固定的阈值来检测人类的运动。

更进一步的，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。

更进一步的，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。

更进一步的，对于资源受限的边缘设备，我们需要实现多个高效 CNN块来构建上述信号自适应模型。