[发明专利]人体行为感知系统、方法及存储介质

权利要求书

1.一种人体行为感知系统，包括：

数据预处理子系统，用于从无线网络环境中各个传输链路的信道状态信息中提取与人体行为相关的特征；

链路选择子系统，用于根据所述各个传输链路的信道状态信息中与人体行为相关的特征从所述各个传输链路中选择与人体行为最为相关的至少一条传输链路；以及

人体行为分类预测子系统，用于基于人体行为分类预测模型，根据所述选择的至少一条传输链路的信道状态信息中与人体行为相关的特征对人体行为进行预测，得到人体行为预测结果；

其中，所述链路选择子系统包括：

基本观察网络，用于对所述各个传输链路的信道状态信息中与人体行为相关的特征进行编码，得到各个传输链路对应的特征向量；

上下文感知网络，用于根据所述各个传输链路对应的特征向量得到各个传输链路之间具有链路关联性的特征向量；

策略网络，用于根据所述各个传输链路之间具有链路关联性的特征向量确定各个传输链路的被选概率；以及

选择模块，用于根据所述各个传输链路的被选概率从所述各个传输链路中选择出至少一条传输链路。

2.根据权利要求1所述的人体行为感知系统，其中，所述数据预处理子系统包括：

主成分分析模块，用于利用主成分分析算法分别分析包含幅度和相位差的各个传输链路的信道状态信息，分别得到各个传输链路的信道状态信息的至少两个主成分；

提取模块，用于从所述各个传输链路的信道状态信息的至少两个主成分中提取第二主成分；

归一化模块，用于利用零均值归一化方法，分别对所述各个传输链路的信道状态信息的第二主成分进行归一化，并将归一化后的第二主成分作为所述各个传输链路的信道状态信息中与人体行为相关的特征。

3.根据权利要求1所述的人体行为感知系统，其中，

所述基本观察网络为卷积神经网络，由分别带有1个最大池化层的n1_conv个卷积层构成；其中，n1_conv的取值根据所需感知的人体行为类别的数量确定；

所述上下文感知网络为n_LSTM层的长短时记忆网络；其中，n_LSTM的取值根据无线网络环境中传输链路的数量确定；

所述策略网络由全连接层和激活层构成；

所述选择模块选择被选概率大于ε×maxπ(u_j|h₁,h₂,…,h_{N_link}；θ_u)的动作u_j所对应的至少一条传输链路；其中，ε为一个预先设定的阈值且0ε1；maxπ(u_j|h₁,h₂,…,h_{N_link}；θ_u)为各个动作u_j的被选概率分布中的最大值；以及

所述人体行为分类预测模型为卷积神经网络，由分别带有1个最大池化层和1个随机丢弃层的多个卷积层构成。

4.一种人体行为感知方法，包括：

从无线网络环境中各个传输链路的信道状态信息分别提取与人体行为相关的特征；

根据各个传输链路的信道状态信息中与人体行为相关的特征从各个传输链路中选择与人体行为最为相关的至少一条传输链路；以及

基于人体行为分类预测模型，根据所选择的至少一条传输链路的信道状态信息中与人体行为相关的特征对人体行为进行预测，得到人体行为预测结果；

其中，所述根据各个传输链路的信道状态信息中与人体行为相关的特征从各个传输链路中选择与人体行为最为相关的至少一条传输链路包括：

利用基本观察网络对所述各个传输链路的信道状态信息中与人体行为相关的特征进行编码，得到各个传输链路对应的特征向量；

利用上下文感知网络根据所述各个传输链路对应的特征向量得到各个传输链路之间具有链路关联性的特征向量；

利用决策网络根据所述各个传输链路之间具有链路关联性的特征向量确定各个传输链路的被选概率；以及

根据所述各个传输链路的被选概率从上述各个传输链路中选择出至少一条传输链路。