10.3969/j.issn.1000-386x.2022.03.027
基于并行空时深度学习网络的无设备身份识别方法
针对现有人员身份识别方法存在灵活性差、特征提取不足的问题,分析人体步态对信道状态信息(CSI)幅值产生的影响,提出一种基于Wi-Fi信道状态信息的无设备人员身份识别方法.将CSI幅值矩阵的每列子载波作为样本,利用小波变换获取样本中代表人员活动的低频信息.通过并行深度学习模型WiD(Wi-Fi identification)提取样本中人体步态的大小和发生的先后顺序,合并两种步态特征作为人员的身份特征.通过Softmax函数进行分类,实现身份识别.与当前先进方法相比,在未明显增加时间代价和空间代价的条件下,该方法获得了更高的身份识别精度和更好的模型鲁棒性.
信道状态信息;并行深度学习模型;人员身份识别;双向长短期记忆网络;卷积神经网络
39
TP391.413(计算技术、计算机技术)
2022-03-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
165-171
