基于PDP的行为识别方法及装置、电子设备、存储介质制造方法及图纸

本申请提供一种基于PDP的行为识别方法及装置、电子设备、存储介质，包括：针对Wi

【技术实现步骤摘要】
基于PDP的行为识别方法及装置、电子设备、存储介质


[0001]本申请涉及行为识别
，特别涉及一种基于PDP的行为识别方法及装置、电子设备、计算机可读存储介质。

技术介绍

[0002]未来的Wi
‑
Fi信号并不单单只有数据传输功能，还将兼具对无源目标的感知功能。其中，无源目标指的是未携带终端设备的人或其他目标。比如，利用Wi
‑
Fi信号的LTF(Long Training Field，长训练字段)的信道状态信息(CSI，Chanel State Information)对无源目标进行定位、跟踪、手势识别以及健康检测(如心跳、呼吸)等感知行为。利用Wi
‑
Fi信号进行行为识别，可以在智能家居使用的场景中发挥重要作用，使得各种智能终端具有更好的操控特性，帮助用户摆脱遥控器，获得更好的远距离控制体验。

技术实现思路

[0003]本申请实施例的目的在于提供一种基于PDP的行为识别方法及装置、电子设备、计算机可读存储介质，用于借助Wi
‑
Fi信号的功率时延谱准确实现对无源目标的行为识别。
[0004]一方面，本申请提供了一种基于PDP的行为识别方法，包括：
[0005]针对Wi
‑
Fi信号的信道估计信息，通过逆傅里叶变换将所述信道估计信息转换为时域信道估计信息；
[0006]确定所述时域信道估计信息的协方差矩阵，并对所述协方差矩阵进行特征值分解，得到多个特征值；
[0007]基于所述多个特征值，确定有效信道的目标数量；
[0008]基于所述目标数量，从所述协方差矩阵中确定多个有效信道的功率；
[0009]从多个有效信道的功率中去除LOS信道的功率，得到多个NLOS信道的功率；
[0010]基于所述多个NLOS信道的功率，进行行为识别，得到行为识别结果。
[0011]在一实施例中，所述基于所述多个特征值，确定有效信道的目标数量，包括：
[0012]将所述多个特征值按照从大到小的顺序进行排列，得到特征值序列；其中，所述特征值序列中包含序号0到M的特征值；M为正整数；
[0013]从所述特征值序列中拆分出第一子序列和第二子序列；其中，所述第一子序列包括所述特征值序列中序号1到M
‑
1的特征值，所述第二子序列包括所述特征值序列中序号2到M的特征值；
[0014]将所述第一子序列减去所述第二子序列，得到差分序列；其中，所述差分序列包含序号1到M
‑
1的差值；
[0015]从所述差分序列查找最大差值，并以查找到的最大差值的序号，确定有效信道的目标数量。
[0016]在一实施例中，所述基于所述目标数量，从所述协方差矩阵中确定多个有效信道的功率，包括：
[0017]将所述协方差矩阵的对角线上多个元素按照从大到小顺序进行排列；
[0018]选择排序后靠前的目标数量的元素，作为多个有效信道的功率。
[0019]在一实施例中，在所述针对Wi
‑
Fi信号的信道估计信息，通过逆傅里叶变换将所述信道估计信息转换为时域信道估计信息之前，所述方法还包括：
[0020]通过边界重复法，将所述信道估计信息中子载波对应的频域信道估计值的数量补足至指定采样点数量；
[0021]对经过补足的信道估计信息，进行圆周位移操作。
[0022]在一实施例中，所述基于所述多个NLOS信道的功率，进行行为识别，得到行为识别结果，包括：
[0023]根据连续多个数据包对应的多个NLOS信道的功率，构建二维矩阵；
[0024]将所述二维矩阵转换为图像，并从所述图像中裁切出待处理子图像；
[0025]将所述待处理子图像输入至已训练的行为识别模型，得到所述行为识别模型输出的行为识别结果。
[0026]在一实施例中，所述从所述图像中裁切出待处理子图像，包括：
[0027]从所述图像中裁切出指定时间段内生成的子图像，作为所述待处理子图像。
[0028]在一实施例中，在所述将所述待处理子图像输入至已训练的行为识别模型，得到所述行为识别模型输出的行为识别结果之前，所述方法还包括：
[0029]获取Wi
‑
Fi信号的多个样本信道估计信息，并分别将多个样本信道估计信息转换为样本图片；其中，所述多个样本信道估计信息对应预设多个行为类别；
[0030]根据每一样本图片，裁切得到多个样本子图像，并为每一样本子图像添加与所述样本图片对应的行为类别标签；
[0031]基于多个携带行为类别标签的样本子图像对机器学习模型进行训练，得到所述行为识别模型。
[0032]另一方面，本申请提供了一种基于PDP的行为识别装置，包括：
[0033]变换模块，用于针对Wi
‑
Fi信号的信道估计信息，通过逆傅里叶变换将所述信道估计信息转换为时域信道估计信息；
[0034]分解模块，用于确定所述时域信道估计信息的协方差矩阵，并对所述协方差矩阵进行特征值分解，得到多个特征值；
[0035]第一确定模块，用于基于所述多个特征值，确定有效信道的目标数量；
[0036]第二确定模块，用于基于所述目标数量，从所述协方差矩阵中确定多个有效信道的功率；
[0037]去除模块，用于从多个有效信道的功率中去除LOS信道的功率，得到多个NLOS信道的功率；
[0038]识别模块，用于基于所述多个NLOS信道的功率，进行行为识别，得到行为识别结果。
[0039]进一步的，本申请提供了一种电子设备，所述电子设备包括：
[0040]处理器；
[0041]用于存储处理器可执行指令的存储器；
[0042]其中，所述处理器被配置为执行上述基于PDP的行为识别方法。
[0043]此外，本申请提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述基于PDP的行为识别方法。
[0044]本申请方案，可以将Wi
‑
Fi信号的信道状态信息转成PDP，并去除噪声和作为背景的LOS信道，从而得到能够准确表征无源目标活动状态的NLOS信道的功率，据此实现准确的行为识别。由于PDP相比CSI的强度更大，更容易表征无源目标所带来的影响，且消除了能量极强的LOS背景，因此，以NLOS信道的PDP进行行为识别，具有良好的泛化能力。
附图说明
[0045]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
[0046]图1为本申请一实施例提供的电子设备的结构示意图；
[0047]图2为本申请一实施例提供的基于PDP的行为识别方法的流程示意图；
[0048]图3为本申请一实施例提供的图2中步骤230的细节流程示意图；
[0049]图4为本申请一实施例提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PDP的行为识别方法，其特征在于，包括：针对Wi
‑
Fi信号的信道估计信息，通过逆傅里叶变换将所述信道估计信息转换为时域信道估计信息；确定所述时域信道估计信息的协方差矩阵，并对所述协方差矩阵进行特征值分解，得到多个特征值；基于所述多个特征值，确定有效信道的目标数量；基于所述目标数量，从所述协方差矩阵中确定多个有效信道的功率；从多个有效信道的功率中去除LOS信道的功率，得到多个NLOS信道的功率；基于所述多个NLOS信道的功率，进行行为识别，得到行为识别结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个特征值，确定有效信道的目标数量，包括：将所述多个特征值按照从大到小的顺序进行排列，得到特征值序列；其中，所述特征值序列中包含序号0到M的特征值；M为正整数；从所述特征值序列中拆分出第一子序列和第二子序列；其中，所述第一子序列包括所述特征值序列中序号1到M
‑
1的特征值，所述第二子序列包括所述特征值序列中序号2到M的特征值；将所述第一子序列减去所述第二子序列，得到差分序列；其中，所述差分序列包含序号1到M
‑
1的差值；从所述差分序列查找最大差值，并以查找到的最大差值的序号，确定有效信道的目标数量。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标数量，从所述协方差矩阵中确定多个有效信道的功率，包括：将所述协方差矩阵的对角线上多个元素按照从大到小顺序进行排列；选择排序后靠前的目标数量的元素，作为多个有效信道的功率。4.根据权利要求1所述的方法，其特征在于，在所述针对Wi
‑
Fi信号的信道估计信息，通过逆傅里叶变换将所述信道估计信息转换为时域信道估计信息之前，所述方法还包括：通过边界重复法，将所述信道估计信息中子载波对应的频域信道估计值的数量补足至指定采样点数量；对经过补足的信道估计信息，进行圆周位移操作。5.根据权利要求1所述的方法，其特征在于，所述基于所述多个NLOS信道的功率，进行行为识别，得到行为识别结果，包括：根据连续多个数据包对应的多个NLOS信道的功...

【专利技术属性】
技术研发人员：古强，
申请(专利权)人：上海物骐微电子有限公司，
类型：发明
国别省市：