买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北工程大学申请的专利一种基于双重对抗网络的跨环境人体活动识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116884090B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310885458.9，技术领域涉及：G06V40/20；该发明授权一种基于双重对抗网络的跨环境人体活动识别方法是由生龙;陈玥;陈炜;魏忠诚;王超;赵继军设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本一种基于双重对抗网络的跨环境人体活动识别方法在说明书摘要公布了：本发明公开了一种基于双重对抗网络的跨环境人体活动识别方法，属于人体活动识别技术领域。包括：S1、去噪处理；S2、当目标域活动分布距离较远时，结合自注意力机制和生成对抗网络生成虚拟样本；S3、在分类器中输入相应源域特征计算交叉熵损失；S4、将另一源域中特征输入当前源域的分类器进行交叉对抗训练；S5、在分类器交叉对抗训练中结合域对抗训练，在训练的同一批次中计算对抗损失；S6、利用自预测学习技术生成伪标签；S7、计算自预测损失；S8、最小化最终的损失；S9、对于准确率达不到预设标准的目标域，通过少量标记样本微调模型。本发明通过结合源域之间的交叉对抗训练以及源域和目标域之间的域对抗训练，有效提高模型对不同域的泛化能力。

本发明授权一种基于双重对抗网络的跨环境人体活动识别方法在权利要求书中公布了：1.一种基于双重对抗网络的跨环境人体活动识别方法，其特征在于，包括以下步骤： S1、对于源域和目标域中收集的全部CSI数据，根据时间戳信息将子载波插值为等差的时间序列数据，使用滤波器进行信号去噪，得到干净的子载波作为神经网络模型的输入； S2、利用轮廓系数判断目标域中活动的分布是否聚敛，对于同一活动分布距离较大，难以聚敛的目标域，利用生成对抗网络和自注意力结合的技术生成符合目标域活动特征分布的虚拟样本，并输入模型用于训练；具体为给定目标域样本和源域样本，最小化下列对抗损失函数： ； ； 其中表示源域的鉴别器，表示目标域的鉴别器，表示源域的生成器，表示目标域的生成器，表示源域数据集，表示目标域数据集； S3、给定一个标记源域包括个样本的数据集和相应的标签集，每个样本在中与一个标签相关联；给定一个未标记的目标域数据集由个样本组成；将数据集划分为两个源域数据集和，针对和设计相应的分类器和；分类器输入对应的源域特征计算交叉熵损失： ； 表示相应源域的样本数量，表示目标域编码器，表示标签向量的转置； S4、固定训练好的分类器和，将另一源域中提取的特征输入当前源域的分类器中计算交叉熵损失，进行交叉对抗训练； ； S5、在分类器交叉对抗训练中结合域对抗训练，将源域数据提取的特征和目标域数据提取的特征送到源域的环境判别器，通过学习目标域的映射特征进行域自适应对抗训练，在训练的同一批次中计算对抗性损失，对抗性损失函数表示为： ； ； S6、利用自预测学习法挖掘无标记目标域数据中的鉴别信息，利用源域样本与批量目标域样本之间的相似性，建立匹配准则，选择目标域中的样本分配伪标签，当两个分类器和的识别结果相同并且输出的结果之和大于设定的阈值时，为目标样本分配伪标签，该过程表示为： ； ； 表示分类器的识别结果，表示分类器的识别结果，m表示其中最大值的下标，表示的软标签预测，表示平均相似概率； S7、计算自预测损失，自预测损失的表达式为： ； S8、通过最小化最终的损失优化目标域编码器； S9、当在目标域中的识别准确率较低时，利用迁移学习中的微调技术，即利用少量目标域中的标记样本使模型更好的适应新场景；将预训练的模型的参数重新加载，分类器中的全连接层和Softmax层的权重被更高的学习率重新训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工程大学，其通讯地址为：056038 河北省邯郸市邯郸经济技术开发区太极路19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。