基于Wi-Fi信号非接触式感知的人体行为识别应用研究

来源 :郑州大学 | 被引量 : 0次 | 上传用户:weishenmeme11
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着物联网和人工智能技术的快速发展,人体行为感知在安全监控、智能家居、人机交互等领域应用越来越多,其相关技术也成为研究热点之一。相比于计算机视觉、专用传感器等传统技术,基于Wi-Fi信号的行为感知技术具有非接触式、成本较低及隐私保护更好等优势,近年来受到研究者的广泛关注。然而,在实际场景中,由于环境的复杂性及无线信号的高动态性,往往会导致基于Wi-Fi信号的行为感知模型检测精度下降。因此,如何有效获取反映人体行为的感知数据,并设计具有高精度的人体行为识别模型是实现Wi-Fi行为感知的关键。本文主要研究内容如下:(1)针对现有基于Wi-Fi信号行为感知识别模型对数据特征提取不充分,识别准确率低等问题,本文提出一种新颖的CSI数据表达方式--CSI频谱图。区别于时序数据,CSI频谱图能够展现出人体不同行为的频率变化,并且可以充分利用卷积神经网络对图像特征提取的优势,提升模型对行为识别的精度。实验结果表明,CSI频谱图能使网络模型具有高达99.71%的识别准确率。(2)针对当前人体行为识别深度神经网络模型参数量大导致的训练困难及实时性低等问题,本文提出一种新的深度神经网络模型--Greed Net。该模型以CSI频谱图作为输入,采用非对称卷积核,利用多尺度特征提取技术捕获更多层次的图像特征,然后将特征进行有效融合,以提高人体行为识别的准确率。实验结果表明,Greed Net与已有的人体行为识别模型相比,不仅拥有更少的参数量,而且具备更高的准确率和鲁棒性。综上,本文提出一种新颖的CSI数据表达方式---CSI频谱图,实现了人体行为特征的精准提取;构建了一个以CSI频谱图作为输入的多尺度、轻量级人体行为识别神经网络模型Greed Net。实验结果表明,该模型在大幅缩减参数规模实现轻量化的同时,仍能达到较高的识别精度。
其他文献
混匀仪是医学和生物学实验室常用的混匀仪器,如酶反应、细胞分离及PCR反应体系等实验对于混匀仪的需求越来越高,稳定的混匀振幅、精确的混匀转速控制及温度控制是混匀仪的核心功能。本课题设计一种可以应用于医学和生物学实验室中的精密型恒温混匀仪,结合虚拟样机技术,从三维建模到静、动力学分析,最后到试验样机的搭建和性能测试,践行了一套完整的研发流程,具有较强的实际工程意义。主要完成以下工作内容:(1)根据本课
本文主要工作是使用有限元方法来研究两类非定常非线性偏微分方程的超逼近及整体超收敛性质.首先,基于双线性元和零阶Nédélec元所构成的单元对Q11/Q01×Q10,构造了非线性Sobolev方程的一个协调扩展混合元新模式.根据单元的高精度特性,并借助于插值和投影相结合方法,平均值技巧和插值后处理技术,导出了相关变量在半离散和全离散格式下的超逼近和超收敛结果.其次,我们利用双线性元研究了非线性波动方
内燃机作为许多机械设备的动力源,在机械领域应用甚广,缸套或无缸套缸体与活塞环的滑动摩擦副作为内燃机的主运动副,其摩擦造成的能量损耗约占内燃机总能量损耗的一半以上。为了改善缸套、无缸套缸体内表面的摩擦磨损状况,使用激光在其内表面加工出有一定规律的微观织构形貌的方法应运而生。大量理论研究和试验都证明:在缸套-活塞环摩擦副接触面上加工与润滑性能要求相匹配的微观织构形貌,可以大大改善其润滑性能,减少油耗,
工程实际中大部分零件都工作在非稳态工况下,针对非稳态点接触弹流润滑求解算法计算效率低、耗时冗长等问题,提出了非稳态点接触弹流高效直接算法。基于高效直接算法,通过对滚子端部进行修形,以改善接触副摩擦学性能,提高其使用寿命。采用等温点接触弹流直接算法,对四种凸型有限长滚子进行了分析,得出了有益的结论。主要完成的工作包括以下两部分:1.通过将求解点接触弹流润滑的“列向分块、逐列求解”思想推广到非稳态弹流
计算机断层成像(Computed Tomography,CT)技术能对物体内部结构信息实现非接触、快速且高效成像,已广泛应用于医学临床诊断中。CT成像技术给临床诊断带来便利的同时,其本征的辐射剂量问题则一直是公众关注的焦点;因此,低剂量CT(Low-Dose Computed Tomography,LDCT)已成为临床CT成像技术的发展趋势。然而,降低辐射剂量会使投影数据的统计噪声增大或采样数量降
电商平台中真实可信的用户评论可以帮助消费者做出正确的消费决策。然而,受不同动因驱使,电商平台中也充斥着大量虚假评论。虚假评论不仅会误导用户的消费决策,同时也会对商家及电商平台造成消极的影响。在此背景下,虚假评论的检测与治理对监督网站运营、净化网络环境具有重要的意义。本文基于深度学习技术对虚假评论检测方法展开研究。为实现对虚假评论的准确、高效检测,从评论间相似性与评论文本情感两种角度出发,提出两种虚
随着深度学习的发展,相比于传统的基于大词汇量连续语音识别的关键词检索方法,基于深度学习的关键词识别方法变得流行起来。传统的关键词检索方法由于各个组成部分独立进行训练,导致整体性能并不能得到完全的发挥,且在进行连续语音识别时速度较慢且需要较大的存储空间。而端到端关键词识别系统可以很好的克服上述缺点,因此本文主要研究无需语音识别的端到端关键词识别系统框架,对其进行了改进和实现。论文主要工作如下:1.研
微信数据取证的前置条件是解密微信数据文件和恢复删除的微信数据,鉴于一个微信用户通常还可能使用手机、平板及微机等不同平台登录微信,因此在数据取证过程中还有必要将不同平台下的数据进行整合处理。本文从手机、平板、微机常用操作系统的角度,进行多平台微信数据恢复与分析技术研究。以下是论文主要的工作和贡献:1、针对现有解密方法仅适用于Android平台微信主库以及Windows平台数据库文件的问题,在动静态逆
本文主要讨论了曲边区域上的三类偏微分方程的等参有限元方法.对于具有Navier边界条件的四阶椭圆问题,利用等参混合元方法,在数值积分的帮助下证明了离散问题解的存在唯一性,并给出了Ωh上的最优H1模误差估计.在不考虑Locking现象的情况下,给出了求解平面弹性问题的等参有限元方法,并证明了离散解存在唯一.同样给出了Ωh上的最优H1模误差估计,与使用凸多边形区域逼近弯曲区域相比,此方法的精度更高.对
通信中间件作为一种基础支撑软件,主要用于IP网络中,用以解决网络内部不同系统之间的应用交互问题。随着数据处理业务场景的多元化,由特定处理器构成的专用嵌入式计算平台正成为系统部署的主流方案之一,异构的系统能够充分发挥各处理器的特性,高效地解决实际业务问题,但是高度的异质性,也使得系统的软硬件复杂度上升,对分布式应用的快速集成提出了挑战,因此需要设计一种适用于嵌入式计算平台的通信中间件。本文从实际工程