[发明专利]一种基于小波散射网络的跌倒检测方法、装置及电子设备

权利要求书

1.一种基于小波散射网络的跌倒检测方法，其特征是，所述方法包括：

在不同室内环境下，从发送端和接收端传输的数据中获取原始信道状态信息，对所述原始信道状态信息进行预处理；

应用小波散射网络根据预处理后的所述原始信道状态信息提取特征数据，并对与所述原始信道信息对应的动作进行跌倒和非跌倒分类，构建训练数据集；

根据所述训练数据集对长短期记忆网络进行训练，获取训练后的所述长短期记忆网络；

将与待测信道状态信息对应的待测特征数据输入训练后的所述长短期记忆网络进行分类判断，确定与所述待测信道状态信息对应的动作是否为跌倒事件。

2.如权利要求1所述的方法，其特征是，所述对所述原始信道状态信息进行预处理，包括：

对所述原始信道状态信息进行线性插值方法补充丢包造成的信息丢失；

将进行线性插值后的所述原始信道状态信息进行离散小波去噪。

3.如权利要求2所述的方法，其特征是，所述对所述原始信道状态信息进行预处理，还包括：

对预处理后的所述信道状态信息进行相关度分析筛选，获取具有动作代表性的信道状态信息。

4.如权利要求3所述的方法，其特征是，所述对预处理后的所述信道状态信息进行相关度分析筛选，包括：

对预处理后的所述信道状态信息的各子载波进行相关度分析，保留所述信道状态信息中相关性大于第一相关阈值的子载波；

对预处理后的所述信道状态信息的各子载波与预设的非跌倒事件的子载波进行相关度分析，删除所述信道状态信息中与非跌倒事件的子载波相关性大于第二相关阈值的子载波。

5.如权利要求1所述的方法，其特征是，所述应用小波散射网络根据预处理后的所述原始信道状态信息提取特征数据，包括：

应用matlab中的waveletScattering函数构建所述小波散射网络，并设置参数；

对预处理后得到的所述信道状态信息应用所述小波散射网络进行自动特征提取，获取散射系数；

将获取的所述散射系数以矩阵形式进行存储，得到特征矩阵，所述信道状态信息中每个子载波对应一个所述特征矩阵。

6.如权利要求1所述的方法，其特征是，所述根据所述训练数据集对长短期记忆网络进行训练，获取训练后的所述长短期记忆网络，包括：

构建所述长短期记忆网络的网络结构并初始化网络参数；

将所述训练数据集划分为训练集和测试集，应用所述训练集对所述长短期记忆网络训练预设次数，并应用所述测试集对训练的所述长短期记忆网络进行测试；

根据所述长短期记忆网络的训练结果调整网络参数，获取训练后的所述长短期记忆网络。

7.如权利要求6所述的方法，其特征是，所述在不同室内环境下，从发送端和接收端传输的数据中获取原始信道状态信息，包括：

在卧室、厨房、浴室、走廊四个地方分别收集了第一份数据和第二份数据，其中所述第二份数据为对所述第一份数据的采集环境增加或移动了一个环境因素采集的数据；

所述将所述训练数据集划分为训练集和测试集，包括：对根据所述第一份数据对应得到的数据集和根据所述第二份数据对应得到的数据集进行不同的组合并划分所述训练集和所述测试集，形成所述长短期记忆网络的多种训练测试方案。

8.如权利要求1所述的方法，其特征是，所述构建所述长短期记忆网络的网络结构并初始化网络参数，包括：

根据所述特征矩阵的行数设置所述长短期记忆网络的输入层的大小，设置所述长短期记忆网络的输出大小为100，全连接层的大小与分类的类数量相等，在所述全连接层后设置一层softmax层和一层分类层。