基于信道状态信息的人体复杂动作识别方法

发布时间：2021-04-11 21:45

　　现有人类行为识别方法识别精度低、成本高,所能识别的动作也相对简单。为此,通过引入信道状态信息（CSI）提出一种人体复杂动作识别方法,并以传统武术形意拳招式动作为背景进行验证。利用Wi-Fi网卡采集形意拳招式的CSI数据,以数据中的振幅为特征值,使用巴特沃斯低通滤波器和离散小波变换分别过滤数据中的高频和低频异常值。离线阶段采用受限波尔兹曼机对预处理数据进行训练和分类,并构建形意拳招式指纹库。在线阶段使用深度置信网络对采集数据进行分类,将分类结果与指纹库数据进行匹配,实现对形意拳招式的准确识别。实验结果表明,与CSI-SRC方法和基于传统RSSI模型的方法相比,该方法具有较高的识别精度,并且鲁棒性较好。 

【文章来源】：计算机工程. 2020,46(01)北大核心CSCD

【文章页数】：8 页

【部分图文】：

Wi-KongFu方法流程

在拳法招式数据采集过程中,本文采用2×3链路,即2根发射天线和3根接收天线,每根天线可以接收56个子载波信道值。本文将形意拳动作分为8个招式来进行识别,分别为起式、崩拳、虎拳、马形拳、钻拳、横拳、劈拳以及收式。在实验过程中,分别在信号链路中做这8个拳法招式,以采集每个拳法招式的不同的CSI值。预采集的形意拳招式对应的特征值如图2所示。2.2 离线数据处理

图3显示了一幅形意拳招式的原始CSI振幅图。从图3可以看出存在许多异常值。异常值的存在会导致拳法招式的识别精确度下降,为此,本文分别采用巴特沃斯低通滤波器和离散小波变换过滤异常值中的高频和低频干扰。通过数据的预处理,过滤采集数据的异常值,最大程度地保留信号特征完整性,以便建立每个形意拳招式的特征指纹信息。

【参考文献】：
期刊论文
[1]一种基于信道状态信息的室内人员行为检测方法[J]. 党小超,黄亚宁,郝占军,司雄.  计算机工程. 2018(08)
[2]一种基于信道状态信息的无源室内指纹定位算法[J]. 党小超,司雄,郝占军,黄亚宁.  计算机工程. 2018(07)
[3]一种基于STM32的巴特沃斯带阻ⅡR滤波算法的实现[J]. 万小川.  电子技术与软件工程. 2018(13)
[4]基于WiFi信号的人体行为感知技术研究综述[J]. 鲁勇,吕绍和,王晓东,周兴铭.  计算机学报. 2019(02)
[5]基于动态Gibbs采样的RBM训练算法研究[J]. 李飞,高晓光,万开方.  自动化学报. 2016(06)
[6]基于小波变换和曲波变换的图像边缘检测新算法[J]. 罗晓霞,王莉青,薛弘晔.  计算机工程与科学. 2015(01)
[7]基于双树复小波变换的信号去噪算法[J]. 刘文涛,陈红,蔡晓霞,刘俊彤.  火力与指挥控制. 2014(12)
[8]离散小波变换Haar-LL的行人检测研究[J]. 邵逢仙,李峰,周书仁.  计算机工程. 2014(09)
[9]基于离散小波变换的信号分解与重构[J]. 邵婷婷,白宗文,周美丽.  计算机技术与发展. 2014(11)

硕士论文
[1]基于深度神经网络的特征提取算法及其应用研究[D]. 李蓓蓓.江南大学 2018
[2]基于RSSI的人体行为识别的研究[D]. 杨成.南京大学 2016



本文编号：3132010