基于Wi-Fi和深度混合型卷积神经网络的老年人和视力受损者室内活动监控

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 信号处理 信号处理

背景情况:

• 人口老龄化体验身体活动和功能能力下降,影响健康.
• 人类活动监测系统对于支持独立生活至关重要,特别是对于老年人和视力受损者.
• 现有的基于Wi-Fi的活动识别方法往往容易受到环境变化的影响.

研究的目的:

• 开发一个环境独立的人类活动识别系统,用于老年人和视力受损的人类活动监测 (EV-HAM).
• 利用Wi-Fi通道状态信息 (CSI) 和先进的人工智能进行准确的活动识别.
• 通过可靠的监测,增强老年人和视障人士的自由和安全.

主要方法:

• 使用标准的Wi-Fi网络接口控制器收集Wi-Fi CSI.
• 应用CSI比率技术以减轻噪声和相位偏移.
• 使用t-分布式静态邻居嵌入 (t-SNE) 来减少维度和消除噪声.
• 生成时间频谱图以捕获微多普勒指纹.
• 在处理的CSI数据上训练了一个深度混合卷积神经网络 (DHCNN).

主要成果:

• 无线感应系统成功地从Wi-Fi CSI.产生了环境独立的指纹.
• 有效地实现了减小尺寸和消除噪音.
• 根据处理的光谱图,DHCNN模型准确地识别了人类活动.
• 在EV-HAM系统的活动识别中实现了99%的准确率.

结论:

• 拟议的Wi-Sense系统利用DHCNN和CSI,为人类活动识别提供了一个强大的解决方案.
• 这项技术显著提高了EV-HAM系统的准确性和可靠性.
• 该系统使老年人和视力受损的人拥有更大的独立性和安全性.