基于CSI主成分分割的人体动作识别方法

摘要

传统的基于信道状态信息(CSI)进行人体动作识别的方法具有输入数据冗余、提取特征单一等问题。基于此，提出了一种基于CSI主成分的双层滑动窗口机制分割的人体动作识别方法。首先，对振幅进行去异常值、降噪，对相位进行线性校准、降噪；其次，利用基于主成分分析的双层滑动窗口机制对预处理后的CSI数据进行活动分割，去除与运动无关的信息，提升模型的训练效率；再次，通过卷积神经网络与双向循环门控单元对CSI数据的空间和时间两个维度进行分析，并融合多头注意力机制聚焦关键信息，实现对人体动作的高精度识别；最后，在WiAR和BAHAR两个公开数据集上进行实验验证，结果表明：所提方法可以有效地对多种环境下的多种人体活动进行识别，并减少50%的数据量，WiAR数据集准确率达96.53%,极大改善了输入数据冗余和提取特征单一问题，所提方法优于其他现有的识别方法。

关键词

信道状态信息 / 活动分割 / 卷积神经网络 / 双向门控循环单元 / 多头注意力机制