公开(公告)号：CN111556453A

公开(公告)日：2020-08-18

申请号：CN202010345957.5

申请日：2020-04-27

Applicant: 南京邮电大学

Inventor： 肖甫 ,  方垣闰 ,  盛碧云 ,  周剑 ,  周颖 ,  陈霄

IPC: H04W4/33 ,  H04L1/00 ,  G06N3/08 ,  G06N3/04

Abstract: 一种基于信道状态信息（CSI）和BiLSTM的多场景室内动作识别方法，在多个室内场景采集室内运动的Wi-Fi信号，并提取信道状态信息（CSI）数据；对CSI数据进行低通滤波、归一化等预处理，并将多个场景的数据分别划分为训练集和测试集；通过将原场景训练集输入基于BiLSTM的深度神经网络进行原场景动作识别模型训练；利用学习到的原场景模型可以对采集到的原场景CSI测试集数据进行分类，达到室内动作识别目的；利用迁移学习机制，得到适用于新场景的室内动作识别模型，并进行新场景下的动作识别。本发明采用基于BiLSTM的深度神经网络提取CSI中的时序特征，进行动作识别，并利用迁移学习实现多场景适配，具有较好的准确性、普适性和鲁棒性。

公开(公告)号：CN111597991A

公开(公告)日：2020-08-28

申请号：CN202010412872.4

申请日：2020-05-15

Applicant: 南京邮电大学

Inventor： 肖甫 ,  周颖 ,  盛碧云 ,  周剑 ,  方垣闰 ,  司娜娜

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G16H50/30

Abstract: 本发明提供一种基于信道状态信息和BiLSTM-Attention的康复检测方法，其实现步骤包括：在室内环境中采集康复动作的CSI数据，提取幅度信息；对CSI数据进行低通滤波、归一化、主成分分析等预处理步骤；对预处理后的信号进行切分，检测动作的起始和终止点，并将切分的数据段划分为训练集和测试集；通过将训练集输入基于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，采用该模型可以对采集到的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。本发明采用基于BiLSTM-Attention的深度神经网络自动学习并选择特征，实现对三种不同动作的十个康复程度的识别。