[发明专利]一种基于CSI的跌倒检测方法、装置及存储介质

权利要求书

1.一种跌倒检测方法，其特征在于，包括：

获取待测的信道状态信息CSI数据；

对获取的CSI数据进行预处理，

对预处理后的CSI数据进行信号分段；

对分段后的数据在时域和频域提取得到统计量特征，得到特征数据；

将提取得到的特征数据输入预训练的检测模型，得到输出的跌倒检测结果；

其中所述检测模型的训练方法包括：

获取带有标签的信道状态信息CSI数据，其中所述CSI数据包括跌倒、缓慢坐下、行走、站立、快速下坐、物品掉落、弯腰捡物品、坐到地上行为组成的数据集；

对获取的CSI数据进行预处理；

对预处理后的CSI数据进行信号分段；

对分段后的数据在时域和频域提取得到统计量特征，形成特征信息数据集；

将所述特征信息数据集中至少一部分作为训练样本，采用对抗机器学习方法对卷积神经网络模型进行训练优化，得到训练好的检测模型。

2.根据权利要求1所述的跌倒检测方法，其特征在于，所述预处理包括离群点去除、滤波、插值。

3.根据权利要求2所述的跌倒检测方法，其特征在于，利用Hampel算法去除数据中的离群点。

4.根据权利要求2所述的跌倒检测方法，其特征在于，采用巴特沃斯低通滤波器对数据进行滤波；对于行走、站立和物品掉落数据集，利用截止频率为80Hz的五阶巴特沃斯低通滤波器选取有效数据；对于跌倒、缓慢坐下、快速下坐、弯腰捡物品、坐到地上数据集，利用截止频率为300Hz的五阶巴特沃斯低通滤波器选取有效数据。

5.根据权利要求2所述的跌倒检测方法，其特征在于，根据数据的时间戳进行线性插值。

6.根据权利要求1所述的跌倒检测方法，其特征在于，对预处理后的CSI数据进行信号分段，包括：利用OFDM子载波之间信号的相关性进行信号分段：

先计算出各子载波之间的相关矩阵，然后再求解相关矩阵的特征向量和特征值，得到各子载波之间的相关系数，若相关系数大于设定的阈值，则将该CSI片段分离出来作为有效动作片段。

7.根据权利要求1所述的跌倒检测方法，其特征在于，对分段后的数据在时域和频域提取得到统计量特征，其中所述统计量特征包括：在时域部分统计平均值、方差，在频域对信号进行傅里叶变换得到统计信号能量、频谱熵。

8.根据权利要求1所述的跌倒检测方法，其特征在于，采用对抗机器学习方法对卷积神经网络模型进行训练优化，包括：采用最小化交叉熵损失函数作为模型训练目标，梯度下降法作为模型的优化方法。

9.一种跌倒检测装置，其特征在于，包括：包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1至8任一项所述方法的步骤。

10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。