【技术实现步骤摘要】
本专利技术属于通信与感知一体化，涉及利用无线局域网进行室内穿越人体步幅分类方法及系统。
技术介绍
1、面向6g愿景，国际移动通信技术评估组织(international mobiletelecommunications 2030，imt-2030)已将通信感知一体化列为未来十年通信技术六大应用场景之一，通信感知一体化指将通信与感知两个构建智能环境的必要条件相结合，利用通信中的各类信号辅助感知环境中的各类目标与活动。同时，随着万物互联时代的到来，无线局域网的应用蓬勃发展，基于无线局域网的通信感知一体化技术应用前景广阔。
2、人体感知作为感知研究的核心，一直以来都吸引着研究人员的目光。步幅特征，是指行人在成趟足迹中反映双足间协调搭配关系的特征，是行走运动特征在成趟足迹中的一种反映形式。步幅主要包括步长、步宽与步角等特征。通常将成趟足迹中左右脚印同部位的垂直距离定义为一普通步长。步长与身高有一定的关系，成年人正常行走的步长约为身高的0.37倍。此外，在特定情况下，步长也与体重、年龄、身体状态等也有一定的关系，是一项重要的生理特征。为了对步长进行深入的研究，步长分类问题应运而生。
技术实现思路
1、专利技术目的：本专利技术目的在于提供一种基于bilstm的无线局域网穿越人体步幅分类方法及系统，利用通信信号实现人体步幅感知功能，为万物互联时代的人体感知提供辅助。
2、技术方案：本专利技术采用的技术方案是：一种基于bilstm的无线局域网穿越人体步幅分类方法，包括以下步
3、步骤1：对通道一侧接收端双极化天线接收到的由通道另一侧发射端双极化天线发送的信号进行解包，得到某一时间段人体穿越时的信道状态信息(channel stateinformation,csi)；
4、步骤2：对csi进行时延参数估计，构造最短时延参数序列；
5、步骤3：利用干扰子径分离方法得到去除干扰多径后的csi并将其分离为水平极化方向的csi与垂直极化方向的csi；
6、步骤4：利用主成分分析(principal component analysis,pca)得到csi序列的第一主成分，将得到的水平方向与垂直方向的csi序列的第一主成分分别输入双向长短期记忆网络bilstm模型进行学习；
7、步骤5：通过步骤4训练好的模型来对某一时段穿越人体的步幅进行分类。
8、作为优选，所述步骤1中，一个发射端对应多个接收端，对多个接收端的信号进行解包得到多组csi。
9、作为优选，所述步骤2中，将接收端双极化天线接收到的csi数据通过频域前后向平滑的多重信号分类(multiple signal classification,music)算法进行时延参数估计，并利用其构造时延参数序列。
10、作为优选，所述步骤3中，通过三线性平行因子分解csi中的多径分量，去除干扰多径后提取csi序列并将其分离为水平极化方向csi与垂直极化方向csi。
11、作为优选，所述步骤4中，将每个接收端的数据作为一个独立样本，通过主成分分析得到水平极化方向与垂直极化方向csi的第一主成分后，分别输入水平极化方向与垂直极化方向对应的bilstm网络模型进行学习与分类。
12、作为优选，所述步骤5中，将实际测试中的数据输入通过步骤4训练好的模型，依据少数服从多数、水平极化为主的原则确定最终分类。
13、一种基于bilstm的无线局域网穿越人体步幅分类系统，包括：
14、csi获取模块，用于对通道一侧接收端双极化天线接收到的由通道另一侧发射端双极化天线发送的信号进行解包，得到某一时间段人体穿越时的信道状态信息csi；
15、时延估计模块，用于对csi进行时延参数估计，构造最短时延参数序列；
16、干扰去除模块，用于利用干扰子径分离方法得到去除干扰多径后的csi并将其分离为水平极化方向的csi与垂直极化方向的csi；
17、模型训练模块，用于利用主成分分析得到csi序列的第一主成分，将得到的水平方向与垂直方向的csi序列的第一主成分分别输入双向长短期记忆网络bilstm模型进行学习；
18、步幅分类模块，用于通过训练好的模型来对某一时段穿越人体的步幅进行分类。
19、一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序/指令，所述计算机程序/指令被处理器执行时实现所述的基于bilstm的无线局域网穿越人体步幅分类方法的步骤。
20、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于bilstm的无线局域网穿越人体步幅分类方法的步骤。
21、一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现所述的基于bilstm的无线局域网穿越人体步幅分类方法的步骤。
22、有益效果：本专利技术提出了一种基于bilstm神经网络的穿越人体步幅分类方法，具有如下优点：1、本专利技术方法使用基于无线电波的方式进行人体感知，相较于基于计算机视觉的方案可以避免对光线的依赖并保护隐私，更利于实际应用；2、本专利技术方法可在发射端使用一个双极化天线，接收端使用多个双极化天线，天线沿通道方向并排放置，可提升数据采集能力；3、本专利技术方法可通过频域前后向平滑music算法与三线性平行因子分解处理后的数据有效分离了干扰子径，增强了信号的特征，并对数据进行主成分分析降维处理以降低数据复杂度；4、本专利技术考虑到人体穿越收发设备通信链路的过程是一个与时间相关的连续问题，将此穿越过程看作一个时间序列问题，并采用bilstm网络，结合前向和后向两个lstm网络的输出来捕捉序列中的双向依赖关系，具有较高的分类准确性。
本文档来自技高网...【技术保护点】
1.一种基于BILSTM的无线局域网穿越人体步幅分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于BILSTM的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤1中，一个发射端对应多个接收端，对多个接收端的信号进行解包得到多组CSI。
3.根据权利要求1所述的基于BILSTM的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤2中，将接收端双极化天线接收到的CSI数据通过频域前后向平滑的多重信号分类MUSIC算法进行时延参数估计，并利用其构造时延参数序列。
4.根据权利要求1所述的基于BILSTM的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤3中，通过三线性平行因子分解CSI中的多径分量，去除干扰多径后提取CSI序列并将其分离为水平极化方向CSI与垂直极化方向CSI。
5.根据权利要求1所述的基于BILSTM的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤4中，将每个接收端的数据作为一个独立样本，通过主成分分析得到水平极化方向与垂直极化方向CSI的第一主成分后，分别输入水平极化方向与垂直极化方向对
6.根据权利要求1所述的基于BILSTM的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤5中，将实际测试中的数据输入通过步骤4训练好的模型，依据少数服从多数、水平极化为主的原则确定最终分类。
7.一种基于BILSTM的无线局域网穿越人体步幅分类系统，其特征在于，包括：
8.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1-6任一项所述的基于BILSTM的无线局域网穿越人体步幅分类方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1-6任一项所述的基于BILSTM的无线局域网穿越人体步幅分类方法的步骤。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现根据权利要求1-6任一项所述的基于BILSTM的无线局域网穿越人体步幅分类方法的步骤。
...【技术特征摘要】
1.一种基于bilstm的无线局域网穿越人体步幅分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于bilstm的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤1中，一个发射端对应多个接收端，对多个接收端的信号进行解包得到多组csi。
3.根据权利要求1所述的基于bilstm的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤2中，将接收端双极化天线接收到的csi数据通过频域前后向平滑的多重信号分类music算法进行时延参数估计，并利用其构造时延参数序列。
4.根据权利要求1所述的基于bilstm的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤3中，通过三线性平行因子分解csi中的多径分量，去除干扰多径后提取csi序列并将其分离为水平极化方向csi与垂直极化方向csi。
5.根据权利要求1所述的基于bilstm的无线局域网穿越人体步幅分类方法，其特征在于，所述步骤4中，将每个接收端的数据作为一个独立样本，通过主成分分析得到水平极化方向与垂直极化方向csi的第一主成分后，分别输入水平极化方向与垂直极化方向对...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。