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！

龙图腾网获悉同济大学申请的专利基于Wi-Fi信号的人体活动感知识别方法、系统及存储介质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：CN115134848B 。

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：202210590498.6，技术领域涉及：H04W24/08；该发明授权基于Wi-Fi信号的人体活动感知识别方法、系统及存储介质是由周俊鹤;黄承稳设计研发完成，并于2022-05-26向国家知识产权局提交的专利申请。

本基于Wi-Fi信号的人体活动感知识别方法、系统及存储介质在说明书摘要公布了：本发明涉及一种基于Wi‑Fi信号的人体活动感知识别方法，包括以下步骤：判断是否为高精度要求，若是，采集信道状态信息数据，若否，采集正交频分复用符号流数据；对信道状态信息数据的子载波域进行主成分分析得到粗略特征，提取互相关数据极小值得到相关性人工特征，提取幅值数据得到能量谱人工特征，基于空间交替的广义期望最大化算法得到信道参数特征；对正交频分复用符号流数据进行处理得到粗略特征；对粗略特征进行主成分分析得到精细特征；将训练集样本的样本类型和特征集，输入支持向量机进行分类识别训练；将待测试样本的特征集输入训练完成的支持向量机得到分类识别结果。与现有技术相比，本发明具有低复杂度、高识别精度等优点。

本发明授权基于Wi-Fi信号的人体活动感知识别方法、系统及存储介质在权利要求书中公布了：1.一种基于Wi-Fi信号的人体活动感知识别方法，其特征在于，包括以下步骤： 判断应用场景对识别结果的精确度要求是否为高精度， 若是，采集每个样本对应的Wi-Fi信号的信道状态信息数据， 若否，采集每个样本对应的Wi-Fi信号的正交频分复用符号流数据， 其中，所述样本包括训练集样本和待测试样本； 对信道状态信息数据的子载波域进行主成分分析，保留前n个主成分，并对所述子载波域的前n个主成分信息做一维化处理，提取处理后数据的幅值和相位信息得到样本的第一粗略特征，其中，n为预配置的保留主成分数量； 提取信道状态信息数据的不同子载波幅值的时间域互相关数据极小值，得到相关性人工特征，并计入所述样本的特征集；对信道状态信息数据的幅值数据进行短时傅里叶变换获得能量谱密度，累加低频区间的能量，获得能量冲击曲线，提取能量冲击曲线峰值，得到能量谱人工特征，并计入所述样本的特征集； 将采集到的信道状态信息数据在时间域上划分为多段，对每个分段应用空间交替的广义期望最大化算法，得到传播信道在时间域的多条径信号参数的估计，提取时间域多普勒参数的方差，得到信道参数特征，并计入所述样本的特征集； 对采集到的正交频分复用符号流数据，提取预配置数量采样点的数据，并统计所述数据的幅值和相位信息得到第二粗略特征； 对第一粗略特征或第二粗略特征进行主成分分析，选取累计方差大于预配置累计特征占比阈值的主成分，分别得到第一精细特征或第二精细特征，并计入所述样本的特征集； 将训练集样本的样本类型和特征集，输入支持向量机进行分类识别训练； 将待测试样本的特征集输入训练完成的支持向量机进行分类识别，得到分类识别结果； 所述空间交替的广义期望最大化算法为： 对于给定观测值hm，输出多维多径信号参数Θ的极大似然估计，其中待估计的参数为τl、φl和是第l条路径的飞行时间、单位方向向量到达角和多普勒频移,αl为第l条路径的复振幅，Θ的对数似然函数为： 其中，L是多径分量的总数，Sl是第l条路径的信号； 所求极大似然估计问题为： 在期望E步骤中，对第l条径，有期望函数： 其中，是在上一次迭代中估计的参数； 在最大化M步骤中，对第l条径，有系列最大化函数： 其中，T、F、A分别是采样数据包、子载波和接收传感器的数量； Θ被初始化为0，一次迭代时，对L条径分别执行期望步骤和最大化步骤，更新参数，当Θ的估计收敛时，即连续估计之间的差在预定义的阈值∈内时，迭代结束，得到L条径的参数估计值。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。