[发明专利]一种WiFi环境下基于生成对抗网络的动作识别方法

说明书

本发明提出了一种WiFi环境下基于生成对抗网络的动作识别方法，包括：对接受到的待识别WiFi数据预处理，以获得对应于所述待识别CSI数据的输入数据；将所述输入数据输入至生成对抗网络模型，以进行动作识别。解决了现有技术中标记工作繁杂，当标记数据较少及模型应用于新用户时识别性能下降的问题。本发明克服了传统识别技术对光照等条件的限制，避免了隐私泄露的风险，且在小样本及目标改变的条件下仍能准确地识别出不同的人类动作。

技术领域

本发明属于无线感知和人机交互技术领域，具体地涉及一种WiFi环境下基于生成对抗网络的动作识别方法，结合信道状态信息可以感知环境变化的特性以及生成对抗网络的数据增强特性实现WiFi环境下的动作识别。

背景技术

近年来，动作识别技术日益成熟，在人机交互领域起着重要的作用，促进了智能家居、虚拟/增强现实以及健康监测等领域的进步。传统的动作识别主要使用摄像机、特殊专用硬件和可穿戴传感器。其中，基于视觉的方法受限与光照条件且有隐私泄露风险。基于专用特殊硬件的方法使用通用软件无线电外设来获取活动信息，开销太大不易于大规模部署。基于传感器的方法则需要用户携带设备，使用不便。

随着无线通信技术的发展和普及，基于WiFi的动作识别技术成为研究热点，通过获取能够刻画环境变化的信道状态信息CSI进行动作识别。CSI描述了WiFi信号在每条传播路径上的衰弱程度，CSI在传播时会受到环境中人的动作的影响，因此可以通过收集接收端的CSI来分析人的动作，通过结合信号处理和深度学习技术对动作进行识别。这种方法不受光照条件限制且无需携带任何设备，易于大规模部署。

但目前的基于WiFi的动作识别技术大多需要大量的标记数据，且由于每个用户身形不同，具有不同的动作习惯，当模型应用于新用户的时候识别性能下降。

发明内容

本发明的目的在于：针对上述现有技术存在的问题，提供一种WiFi环境下基于生成对抗网络的动作识别方法，用于解决现有技术中标记工作繁杂，当标记数据较少及模型应用于新用户时识别性能下降的问题。

一种WiFi环境下基于生成对抗网络的动作识别方法，包括如下步骤：

步骤1：从WiFi信号中提取信道状态信息的幅度值；

步骤2：对数据进行预处理，对CSI进行线性插值统一CSI的形状。制作数据集，选取其中一个用户的数据分为测试集和未标记数据，其余用户数据作为训练集；

步骤3：将数据集输入生成对抗网络；

步骤4：根据生成对抗网络输出的准确率，损失函数值，返回步骤3进行迭代，不断优化网络，以使得损失函数达到最小值；

优选地，步骤3进一步包括：

生成对抗网络模型为：生成器和鉴别器；

生成器模型包括一个输入层和三个隐藏层：

输入层：100维的随机高斯噪声作为输入；采用一个全连接层，输出维度大小为25×5×512，一个批标准化层，一个激活函数层，激活函数为SoftPlus；

第一个隐藏层：采用一个反卷积层，卷积核大小为5×5(kernel_size＝5×5),特征图数量为256(filters＝256),步长为2×1(stride＝2×1),填充方式为same(padding＝same)；采用一个批标准化层，一个激活函数层，激活函数为SoftPlus；

第二个隐藏层：采用一个反卷积层，卷积核大小为5×5(kernel_size＝5×5),特征图数量为128(filters＝128),步长为2×3(stride＝2×3),填充方式为same(padding＝same)；采用一个批标准化层，一个激活函数层，激活函数为SoftPlus；