[发明专利]一种基于信道状态信息和BiLSTM-Attention的康复检测方法

权利要求书

1.一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其特征在于：具体包括以下步骤：

步骤1：在室内环境中采集康复动作的CSI数据，提取幅度信息；

步骤2：将步骤1采集到的CSI数据进行预处理；

步骤3：从步骤2预处理后的信号中获取动作的关键信息，检测动作的起始和结束点，并将切分的数据段划分为训练集和测试集；

步骤4：将训练集输入基于BiLSTM-Attention的深度神经网络进行动作识别模型训练，得到康复动作识别模型，采用该模型对采集到的CSI测试集数据进行分类，达到康复动作识别、对康复程度打分的目的。

2.根据权利要求1所述的一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其特征在于：步骤1中，在室内环境中采集康复动作的CSI数据，提取幅度信息，具体为：

利用安装有Intel5300无线网卡的PC机和路由器收集不同程度康复动作的WiFi信号，提取得到CSI矩阵为1×3×30的三维矩阵，其中1×3表示一根发射天线和三根接收天线，包含1×3＝3个信道，30表示每个信道有30个子载波，共有1×3×30＝90个CSI流；CSI是物理层的信道信息，反映了无线信道的性能，CSI取绝对值后得到CSI的幅值。

3.根据权利要求1所述的一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其特征在于：步骤2中，将步骤1采集到的CSI数据进行如低通滤波、归一化、主成分分析的预处理步骤，具体为：

步骤2-1：将步骤1提取的原始数据通过Hampel滤波器进行平滑处理，滤除异常值，消除噪声干扰；再使用巴特沃斯低通滤波器滤除CSI幅值中的大部分高频分量；

步骤2-2：将步骤2-1去噪后的CSI子载波幅值序列使用min-max标准化处理，即其中x_new表示经标准化处理后的新特征，x_old表示经标准化处理前的旧特征，x_max和x_min分别表示该特征被处理前所有样本的最大值和最小值；

步骤2-3：通过主成分分析跟踪经min-max标准化处理后样本的相关性，借助于原始数据协方差矩阵的特征向量做正交变换，将原来分量相关的随机向量转换成新的分量不相关的随机向量，将多指标转化为少数几个综合指标，即主成分，确定需要保留的主成分，舍弃其他成分，从而实现数据的降维；选取第一主成分。

4.根据权利要求1所述的一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其特征在于：步骤3中，具体步骤为：

步骤3-1：通过动态阈值算法判断动作的开始，首先计算第j个滑动窗口CSI幅值的平均绝对偏差D_j：其中a_i(k)是数据包k的子载波i的幅值，S是滑动窗口所有数据包的索引集合，P是子载波的总数，ω是滑动窗口的长度；

步骤3-2：采用指数移动平均算法更新噪声水平，N_j＝(1-α_n)N_j-1+α_n×D_j，系数α_n被设置为0.15；

步骤3-3：将步骤3-1和步骤3-2求得的D_j和N_j作比较，如果在一个滑动窗口中，D_j大于噪声水平N_j的四倍，则将检测到动作的起始点；同理检测出动作的结束点。

5.根据权利要求1所述的一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其特征在于：步骤4中，利用深度学习工具构建以BiLSTM为基础的深度学习模型，并将步骤3分割完动作的CSI训练样本输入，对动作识别问题进行模型训练，引入Attention机制，进一步在数据特征中聚焦关键信息点，最终通过激活函数分类动作，得出检测结果，得到动作识别模型；之后，将CSI测试样本输入模型进行分类，得到动作识别分类预测结果。

6.根据权利要求5所述的一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其特征在于：步骤4中建立的模型架构由5个部分构成：CSI信号输入层、BiLSTM层、注意力机制层、平整层、Softmax分类层；

CSI信号输入层接收输入的CSI子载波幅值序列；

BiLSTM层包括前向层和后向层，当处理第t个序列数据时，将前向LSTM层和后向LSTM层的隐藏状态分别表示为和BiLSTM的完全隐藏状态h_t等于前向层和后向层隐藏状态的串联，即将从BiLSTM学习到的特征输出到下一层；

注意力机制层设计为softmax回归层，使用从BiLSTM学习到的特征作为输入，得到表示特征和序列数据重要性的注意力矩阵；注意力机制层进行数据处理时采用的公式如下：其中h_t是上一层BiLSTM神经网络层的输出向量，W是模型系数，b是偏置量；

平整层通过使用逐元素乘法将学习到的特征与注意力矩阵合并，得到基于注意力的特征矩阵，然后通过平整层将特征矩阵平整为特征向量；

Softmax分类层通过接收经过平整层降维处理后得到的特征向量，最终识别不同动作。