一种基于CSI的高鲁棒性步态识别方法

来源：计算机工程与科学杂志2022年第7期北京时间：

作者：郝占军, 乔志强, 党小超, 段渝

单位：1.西北师范大学计算机科学与工程学院,甘肃 兰州 730070;2.甘肃省物联网工程研究中心,甘肃 兰州 730070

摘要：针对目前的室内人员步态识别方法存在计算量大、设备成本高、鲁棒性低等问题，提出一种基于信道状态信息的高鲁棒性室内人员步态识别方法WiKown。通过快速傅里叶变换设置能量指示器监测人员行走行为，将采集的CSI步态数据经滤波与降噪处理后以滑动窗口的方式提取特征值，得到人员步态的CSI信息后建立观测序列，最后通过高斯分布叠加拟合后引入隐马尔科夫模型计算观测序列概率，生成步态参数模型。在走廊、实验室和大厅真实多人环境中，WiKown方法对单人步态的平均识别率达到92.71%。实验结果表明，与决策树、动态时间规整和长短时记忆网络方法相比较，该方法能有效地识别出人员的步态信息，提升了识别精度和鲁棒性。

关键词：步态识别；信道状态信息；快速傅里叶变换,高斯混合模型；隐马尔科夫模型,

基金资助：国家自然科学基金(61662070，61762079)；中国科学院“西部之光”人才培养引进计划