基于连续图像深度学习的Wi-Fi人体行为识别方法

• 作者: 周启臻 杨启亮 邢建春 韩德帅
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 行为识别 Wi-Fi信号 深度学习 图像识别 低秩分解
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 43-54
• 页数: 12页
• 分类号: TN391
• 字数: 7640字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2020141

摘要

针对基于深度学习的Wi-Fi人体行为识别技术存在抗噪声能力弱、信号尺寸不兼容和特征提取不充分等问题,提出了一种基于连续图像深度学习的识别方法.首先把时变Wi-Fi信号重构为若干个连续图像帧,确保输入尺寸一致;进而设计低秩分解算法,对噪声湮没的关键运动信息进行分离;同时提出一种时间域和空间域信息融合的深度模型,自动捕捉变长图像序列的时空域特征,并在WiAR数据集和自主采集数据集上对所提方法进行验证.实验结果表明,所提方法平均识别精度分别为0.94和0.96,具备普适场景下的高精度和稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢建春	陆军工程大学国防工程学院	14	11	1.0	3.0
2	周启臻	陆军工程大学国防工程学院	7	8	1.0	2.0
3	杨启亮	陆军工程大学国防工程学院	7	8	1.0	2.0
4	韩德帅	火箭军工程大学作战保障学院	1	0	0.0	0.0