融合统计特征与CNN的WiFi人数识别方法OA
为了提升多人场景下的人员数量识别精度,提出了一种基于信道状态信息(Channel State Information, CSI)统计特征(Statistical Feature, SF)与卷积特征的门控融合模型。首先,从原始WiFi CSI中构建12个与人员数量变化密切相关的统计特征指标,并通过系统性实验筛选出6个最具判别力的特征构成特征向量,同时利用卷积神经网络(Convolutional Neural Network, CNN)提取CSI的空间特征。然后,使用门控机制将两类特征进行动态融合,实现了两类特征的协同利用。在WiMANS数据集上进行了实验,取得了97.08%的分类准确率,在0~5人的不同人数下的识别率分别为99.87%、99.65%、99.51%、95.22%、94.73%和93.51%,优于已有的分类模型。
张载龙;吴宇
南京邮电大学物联网学院,江苏南京210003南京邮电大学物联网学院,江苏南京210003
信息技术与安全科学
信道状态信息人群计数特征提取卷积神经网络门控机制
《南京邮电大学学报(自然科学版)》 2026 (4)
P.49-58,10
国家自然科学基金(62172235)资助项目。
评论