文件大小：2.12M
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,去除掉与运动无关的信息,提升模型的训练效率;最后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,优于其他现有的识别方法。
