針對現(xiàn)有基于Wi-Fi信號感知步態(tài)識別研究存在的特征獲取不足、多人場景下單目標(biāo)識別準(zhǔn)確率低的問題,提出了一種基于頻率能量圖的步態(tài)識別模型WiNet。在對信道狀態(tài)信息影響因子分析的基礎(chǔ)上,選取其中的振幅數(shù)據(jù)作為步態(tài)識別的基礎(chǔ)數(shù)據(jù);采用頻率能量圖對原始采集數(shù)據(jù)進(jìn)行有效重構(gòu)使其能夠同時(shí)容納步態(tài)行為對子載波內(nèi)和子載波間擾動(dòng)而產(chǎn)生的有效特征,步態(tài)特征的個(gè)體辨識度得到較大增強(qiáng);將頻率能量圖作為卷積神經(jīng)網(wǎng)絡(luò)模型的輸入矩陣,經(jīng)過多組卷積、正則和激活操作,再使用Softmax方法進(jìn)行分類,得到步態(tài)行為對應(yīng)的個(gè)體身份,實(shí)現(xiàn)了Wi-Fi環(huán)境下高準(zhǔn)確率的多人場景單目標(biāo)步態(tài)識別。與全連接神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的步態(tài)識別模型進(jìn)行了比較,結(jié)果表明:WiNet在40人場景實(shí)驗(yàn)中識別準(zhǔn)確率達(dá)到98.5%,識別準(zhǔn)確率得到明顯提升;在典型強(qiáng)/弱多徑效應(yīng)環(huán)境及5種人體狀態(tài)的對比實(shí)驗(yàn)中,WiNet均能達(dá)到92%以上的識別準(zhǔn)確率,具有良好的識別效果和魯棒性。 

【文章來源】：西安交通大學(xué)學(xué)報(bào). 2020,54(07)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

無線信道對子載波能量分布的影響

將原始CSI數(shù)據(jù)重構(gòu)成頻率能量圖后，步態(tài)行為的時(shí)間特征和空間特征得以完整保留，再結(jié)合卷積神經(jīng)網(wǎng)絡(luò)在多維矩陣特征提取方面的明顯優(yōu)勢，設(shè)計(jì)了一種適用于Wi-Fi感知場景的步態(tài)識別模型WiNet，整體結(jié)構(gòu)如圖3所示。WiNet模型中：頻率能量圖生成部分的操作包括數(shù)據(jù)采集、數(shù)據(jù)選擇和數(shù)據(jù)重構(gòu)3部分；步態(tài)識別部分則以頻率能量圖作為輸入，基于經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)操作流程，經(jīng)過多組CNR操作處理，使用Softmax方法進(jìn)行分類，得到的最終輸出即為步態(tài)識別的結(jié)果。

通過使用交叉熵函數(shù)作為優(yōu)化目標(biāo)，可以使得訓(xùn)練數(shù)據(jù)上學(xué)習(xí)到的預(yù)測數(shù)據(jù)分布和真實(shí)數(shù)據(jù)分布保持較好的一致性。經(jīng)過多次迭代，WiNet模型的各項(xiàng)評估指標(biāo)均達(dá)到現(xiàn)階段研究的先進(jìn)水平，在基于Wi-Fi感知的多人場景步態(tài)識別中表現(xiàn)出較好的性能。2 實(shí)驗(yàn)及結(jié)果分析

【參考文獻(xiàn)】：
期刊論文
[1]非接觸式身份識別的深度學(xué)習(xí)算法[J]. 余星達(dá),陳文杰,王鼎,曹仰杰,陳薈慧.  西安交通大學(xué)學(xué)報(bào). 2019(04)
[2]基于WiFi信號的人體行為感知技術(shù)研究綜述[J]. 魯勇,呂紹和,王曉東,周興銘.  計(jì)算機(jī)學(xué)報(bào). 2019(02)
[3]均值張量成分分析及其在步態(tài)識別中的應(yīng)用[J]. 賁晛燁,張鵬,孫成立,孟維曉.  西安交通大學(xué)學(xué)報(bào). 2015(12)
[4]行人步態(tài)的特征表達(dá)及識別綜述[J]. 賁晛燁,徐森,王科俊.  模式識別與人工智能. 2012(01)



本文編號：3211169