基于指数拟合的行为识别方法及装置、电子设备、存储介质与流程

1.本技术涉及行为识别技术领域，特别涉及一种基于指数拟合的行为识别方法及装置、电子设备、计算机可读存储介质。


背景技术：

2.下一代无线通信技术的一个重要发展方向是通信感知/雷达一体化，未来的wi-fi信号将不单单只有数据传输的功能，还将兼具对无源目标(未携带终端设备的人或其他目标)的感知功能。利用无线型号对无源目标进行行为识别，可以在智能家居场景中发挥重要作用，比如，可使用户摆脱遥控器，提高用户对智能终端的操控体验，或者，可以对用户的健康状态实现有效检测。在室内场景中，可将wi-fi信号的收发设备(比如：路由器)置于特定位置，在wi-fi信号收发过程中，可以确定信道状态信息(channel state information，csi)，用于对无源目标的行为活动进行感知。然而，通过信道估计获得的信道状态信息往往包含大量噪声数据，直接应用信道状态信息通常无法实现准确的行为识别。


技术实现要素：

3.本技术实施例的目的在于提供一种基于指数拟合的行为识别方法及装置、电子设备、存储介质，用于借助指数拟合对wi-fi信号的信道频率响应进行有效降噪，从而可以基于降噪后信道频率响应进行准确的行为识别。
4.一方面，本技术提供了一种基于指数拟合的行为识别方法，包括：
5.针对wi-fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱；
6.基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数；
7.对所述概率密度函数进行傅里叶变换，得到频域相关函数；
8.基于所述频域相关函数和预设频域信噪比，确定滤波器系数；
9.基于所述滤波器系数对所述信道频率响应进行滤波处理，得到降噪后信道频率响应；
10.根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。
11.在一实施例中，所述基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数，包括：
12.将所述功率时延谱进行复制，并拼贴出指定功率时延谱；其中，所述指定功率时延谱包括两份功率时延谱，第一份功率时延谱的后端连接在第二份功率时延谱的前端；
13.在所述指定功率时延谱的第二份功率时延谱内最大功率对应的采样点，作为指定采样点；
14.确定所述指定采样点往前端方向搜索出零点采样点；
15.对所述零点采样点开始到所述指定功率时延谱后端的多个采样点的功率分布情况，通过指数分布函数进行拟合，得到所述概率密度函数。
16.在一实施例中，所述确定所述指定采样点往前端方向搜索出零点采样点，包括：
17.确定所述指定采样点往前端方向，间隔预设第一数量的采样点为零点采样点。
18.在一实施例中，所述确定所述指定采样点往前端方向搜索出零点采样点，包括：
19.从指定采样点开始，在前端方向预设第二数量的采样点中查找最小功率对应的采样点，作为零点采样点。
20.在一实施例中，所述根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别，包括：
21.从所述多个观测时刻的降噪后信道频率响应中，选择一个降噪后信道频率响应作为目标信道频率响应；
22.将每一降噪后信道频率响应，分别与所述目标信道频率响应进行共轭相乘，得到目标向量，并将所述目标向量中每一数值减去所述目标向量中所有数值的均值，得到指定向量；
23.将观测窗口内连续多个观测时刻对应的指定向量，构建为观测矩阵，并计算所述观测矩阵的协方差矩阵；
24.对所述协方差矩阵进行谱搜索，得到nlos信道的信道长度和无源目标的多普勒观测速度；
25.基于多个观测窗口对应的信道长度和多普勒观测速度，确定所述无源目标的行为类别。
26.在一实施例中，所述基于多个观测窗口对应的信道长度和多普勒观测速度，确定所述无源目标的行为类别，包括：
27.基于多个观测窗口对应的信道长度和多普勒观测速度，构建行为识别参数矩阵；
28.将所述行为识别参数矩阵转换为光谱图像，并从所述光谱图像中裁切出指定时间段内生成的子光谱图像；
29.将所述子光谱图像输入至已训练的行为识别模型，得到对应于所述子光谱图像的行为识别结果。
30.在一实施例中，在所述对所述协方差矩阵进行谱搜索，得到nlos信道的信道长度和无源目标的多普勒观测速度之后，所述方法还包括：
31.在从所述协方差矩阵中谱搜索得到多个信道长度和多个多普勒观测速度之后，对所述多个信道长度和多个多普勒观测速度进行聚类处理，获得若干簇；
32.选择簇中心的信道长度和多普勒观测速度，用于行为识别。
33.另一方面，本技术提供了一种基于指数拟合的行为识别装置，包括：
34.第一确定模块，用于针对wi-fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱；
35.拟合模块，用于基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数；
36.变换模块，用于对所述概率密度函数进行傅里叶变换，得到频域相关函数；
37.第二确定模块，用于基于所述频域相关函数和预设频域信噪比，确定滤波器系数；
38.滤波模块，用于基于所述滤波器系数对所述信道频率响应进行滤波处理，得到降噪后信道频率响应；
39.识别模块，用于根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。
40.进一步的，本技术提供了一种电子设备，所述电子设备包括：
41.处理器；
42.用于存储处理器可执行指令的存储器；
43.其中，所述处理器被配置为执行上述基于指数拟合的行为识别方法。
44.此外，本技术提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述基于指数拟合的行为识别方法。
45.本技术方案，基于指数拟合的方式确定滤波器系数，借助滤波器系数对信道频率响应进行滤波处理，以得到降噪后信道频率响应，从而根据多个观测时刻的降噪后信道频率响应，实现准确的行为识别。
附图说明
46.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍。
47.图1为本技术一实施例提供的电子设备的结构示意图；
48.图2为本技术一实施例提供的基于指数拟合的行为识别方法的流程示意图；
49.图3为本技术一实施例提供的指数分布的概率密度函数的示意图；
50.图4为本技术一实施例提供的图2中步骤220的细节流程示意图；
51.图5为本技术一实施例提供的指定功率时延谱的示意图；
52.图6为本技术一实施例提供的图2中步骤260的细节流程示意图；
53.图7为本技术一实施例提供的行为识别方法的流程示意图；
54.图8为本技术一实施例提供的基于指数拟合的行为识别装置的框图。
具体实施方式
55.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
56.相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
57.如图1所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图1中以一个处理器11为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。在一实施例中，电子设备1可以是路由器、通信终端设备(比如：手机、平板电脑)等，用于执行基于指数拟合的行为识别方法。电子设备可以接收其它设备发射的wi-fi信号。下文以电子设备为执行主体描述方案。
58.存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read only memory，简称eprom)，可编程只读存
储器(programmable red-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
59.本技术还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器11执行以完成本技术提供的基于指数拟合的行为识别方法。
60.参见图2，为本技术一实施例提供的基于指数拟合的行为识别方法的流程示意图，如图2所示，该方法可以包括以下步骤210-步骤260。
61.步骤210：针对wi-fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱。
62.本技术方案执行过程中，需要在连续多个观测时刻，通过信道估计方式从wi-fi信号中确定出作为信道状态信道的信道频率响应(channel frequency response，cfr)。这里，相邻观测时刻之间的时间间隔可以根据需要进行配置，示例性的，wi-fi信号传输的每一数据包对应一个时间间隔，或者，时间间隔为0.01秒、0.02秒等任意一种。
63.在获得每一观测时刻的信道频率响应之后，可以通过傅里叶逆变换将频域上的信道频率响应转换到时域，得到信道冲激响应(channel impulse response，cir)，这里，傅里叶逆变换可以是快速傅里叶逆变换(inverse fast fourier transform，ifft)。电子设备可以对每一信道冲激响应的每个抽头取模值的平方，得到功率时延谱((power delay profile，pdp)。
64.步骤220：基于功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数。
65.功率时延谱可以包括多个采样点对应的功率，每一采样点对应一个信道。功率时延谱中各个采样点的功率分布情况，符合指数分布，电子设备可以对功率分布情况进行拟合，从而得到指数分布的概率密度函数。
66.参见图3，为本技术一实施例提供的指数分布的概率密度函数的示意图，如图3所示，功率时延谱中多个采样点对应功率的功率分布情况，满足指数分布，因此可以拟合出图3中的曲线对应的概率密度函数。
67.示例性的，指数分布的概率密度函数可以通过如下公式(1)来表示：
[0068]-/d
[0069]
p(k)＝σ*k*e (1)
[0070]
其中，k为采样点序号，k为正整数；d为最大函数值对应的横坐标，d大于0；e为自然底数；σ为拟合得到的常数。
[0071]
功率时延谱中各个采样点的功率分布情况，反映的是各个采样点对应信道的强度分布情况，因此，以功率分布情况拟合出的指数分布的概率密度函数所指示曲线的包络，本质是由最大时延扩展而确定的，所以可以根据概率密度函数确定频域相关性。
[0072]
步骤230：对概率密度函数进行傅里叶变换，得到频域相关函数。
[0073]
电子设备可以对概率密度函数进行傅里叶变换，这里，傅里叶变换可以是快速傅里叶变换(fast fourier transformation，fft)，经过傅里叶变换，可以得到频域相关函数。该频域相关函数可以表示为r
hh
(δf)，表征相邻子的载波间隔δf(单位为赫兹)与频域相关性之间的映射关系，其中，载波间隔δf为已知量，在频域相关函数中，1个δf、2个δf、3个δf
……
n个δf分别对应1个频域相关性。
[0074]
步骤240：基于频域相关函数和预设频域信噪比，确定滤波器系数。
[0075]
这里，频域信噪比可以从信道估计的软硬件系统中获得，或者，频域信噪比可以根据经验进行配置。
[0076]
电子设备可以通过频域相关函数，为多个载波数间隔分别计算对应的频域相关性。其中，载波数间隔为针对任一子载波进行滤波时，选择用于滤波的其它子载波与该子载波之间的间隔。载波数间隔通过滤波阶数来确定，滤波阶数可以根据需要进行配置，滤波阶数taplen≤2d，d为公式(1)中最大函数值对应的横坐标。示例性的，滤波阶数为3，则载波数间隔为1、2、3，如果对第124个子载波进行滤波，会选择载波数间隔为1的第123个子载波和第125个子载波、载波数间隔为2的第122个子载波和第126个子载波、载波数间隔为3的第121个子载波和第127个子载波。
[0077]
在获得多个频域相关性之后，可以分别为每一频域相关性计算出对应的mmse(minimum mean squared error，最小均方误差)滤波器系数。示例性的，可以通过如下公式(2)计算出滤波器系数：
[0078][0079]
其中，coeff为滤波器系数；γ
fd
为频域信噪比；r
hh
为频域相关性；i为单位矩阵。
[0080]
步骤250：基于滤波器系数对信道频率响应进行滤波处理，得到降噪后信道频率响应。
[0081]
电子设备可以根据多个载波数间隔对应的滤波器系数，对信道频率响应进行滤波处理，从而得到降噪后信道频率响应。其中，降噪后信道频率响应去除了噪声信道的数据。
[0082]
步骤260：根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。
[0083]
对每个观测时刻的信道频率响应分别执行上述流程后，可以得到各个观测时刻的降噪后信道频率响应，电子设备可以基于多个观测时刻的降噪后信道频域响应，确定多个观测时刻对应时间段内无源目标的行为活动所产生的特征信息，进而以此进行行为识别。
[0084]
通过上述措施，在无需计算噪声门限、无需筛选有效信道的情况下，无需具体计算时延扩展，而是以包络指示的多径的变化走势，确定衰落信道最核心的参数时延扩展，进而将时延扩展映射到频域，得到频域相关性(频域相关函数来表征频域相关性)，进一步的，可以通过维纳准则进行降噪，从而基于降噪后信道频率响应进行准确的行为识别。
[0085]
在一实施例中，参见图4，为本技术一实施例提供的图2中步骤220的细节流程示意图，如图4所示，执行步骤220时，具体可以执行如下步骤221至步骤224。
[0086]
步骤221：将功率时延谱进行复制，并拼贴出指定功率时延谱；其中，指定功率时延谱包括两份功率时延谱，第一份功率时延谱的后端连接在第二份功率时延谱的前端。
[0087]
电子设备将功率时延谱复制后，得到两份功率时延谱，进而将两份功率时延谱进行拼贴，得到指定功率时延谱。
[0088]
参见图5，为本技术一实施例提供的指定功率时延谱的示意图，如图5所示，指定功率时延谱包括两份功率时延谱，第二份功率时延谱的采样点的序号保持不变，第一份功率时延谱的采样点的序号全部减去256，因此，指定功率时延谱中采样点的序号从-256到255。
[0089]
步骤222：在指定功率时延谱的第二份功率时延谱内最大功率对应的采样点，作为指定采样点。
[0090]
将第二份功率时延谱内最大功率对应的采样点作为指定采样点，一般情况下，指定采样点在指定功率时延谱中间部分，理想情况下，指定采样点就是序号为0的采样点，或者，指定采样点在序号为0的采样点周边。
[0091]
步骤223：确定指定采样点往前端方向搜索出零点采样点。
[0092]
在确定指定采样点之后，可以向前端方向(从采样点序号从大到小的方向)，搜索一个采样点，作为零点采样点。该零点采样点用于在后续拟合概率密度函数时，作为第一个采样点。
[0093]
在一实施例中，电子设备可以确定指定采样点往前端方向，间隔预设第一数量的采样点为零点采样点。这里，第一数量可以根据需要进行配置，示例性的，第一数量可以为6、7、8等任意一个数字。示例性的，指定采样点的序号为3，往前端间隔7个采样点的零点采样点的序号为-5。
[0094]
在一实施例中，电子设备可以从指定采样点开始，在前端方向预设第二数量的采样点中查找最小功率对应的采样点，作为零点采样点。这里，第二数量可以根据需要进行配置，示例性的，第二数量可以是10、15等任意一个数字。示例性的，指定采样点的序号为3，第二数量为10，从序号为-7到序号为2的采样点中找到最小功率对应的采样点，作为零点采样点。
[0095]
步骤224：对零点采样点开始到指定功率时延谱后端的多个采样点的功率分布情况，通过指数分布函数进行拟合，得到概率密度函数。
[0096]
将零点采样点作为第一个采样点，对零点采样点开始到指定功率时延谱后端的多个采样点的功率分布情况，拟合出指定分布的概率密度函数。由于零点采样点可能不是指定功率时延谱中序号为1的采样点，选择零点采样点为第一个采样点来拟合概率密度函数时，改变了各个采样点的序号。
[0097]
这种情况下，拟合得到的上述公式(1)中，d为指定采样点与零点采样点的序号之差加一的数值。示例性的，指定采样点在指定功率时延谱中的序号为3，零点采样点在指定功率时延谱中的序号为-5，则d为9。
[0098]
在k＝d时，p(k)得到最大值，因此，可以换算出公式(1)中的常数可表示为这种情况下，公式(1)可以换算为公式(3)：
[0099][0100]
其中，k为采样点序号，k为正整数；d为最大函数值对应的横坐标，d大于0；e为自然底数；p(d)为最大函数值。
[0101]
通过上述措施，当指定采样点在功率时延谱中的位置过于靠前时，可以通过拼接和重选零点采样点的方式，在指定采样点之前设置多个采样点，使得从指定采样点开始往后的多个采样点的功率分布情况满足指数分布。
[0102]
无源目标的行为活动会对wi-fi信号的多径信道产生影响，此时，作为信道状态信息的信道频率响应随之发生变化。其中，多径传输的多个信道包括los(line of sight，视线传输)信道和nlos(not line of sight，非视线传输)信道。室内静物始终不动，且los信道的数据不受无源目标的影响，信道状态信息中nlos信道的数据表征无源目标的活动对无
线信道带来的影响。因此，在对信道频率响应进行降噪之后，可以进一步消除其中的los信道的数据。
[0103]
在一实施例中，参见图6，为本技术一实施例提供的图2中步骤260的细节流程示意图，如图6所示，执行步骤260时可以具体执行如下步骤261至步骤265。
[0104]
步骤261：从多个观测时刻的降噪后信道频率响应中，选择一个降噪后信道频率响应作为目标信道频率响应。
[0105]
电子设备可以选择第一个观测时刻的降噪后信道频率响应，作为目标信道频率响应。
[0106]
步骤262：将每一降噪后信道频率响应，分别与目标信道频率响应进行共轭相乘，得到目标向量，并将目标向量中每一数值减去目标向量中所有数值的均值，得到指定向量。
[0107]
确定目标信道频率响应之后，将其他的降噪后信道频率响应分布与该目标信道频率响应进行共轭相乘，得到目标向量，并将目标向量中每一数值分别减去目标向量中所有数值的均值，从而得到指定向量。
[0108]
示例性的，可以通过如下公式(4)计算目标向量：
[0109][0110]
其中，表示从观测时刻1到观测时刻t的降噪后信道频率响应；表示被选中的目标信道频率响应。
[0111]
在得到目标向量之后，将目标向量中各个数值计算出均值，进而将各个数值分别减去该均值，从而得到指定向量。
[0112]
通过该措施，可以消除los信道的观测结果。
[0113]
步骤263：将观测窗口内连续多个观测时刻对应的指定向量，构建为观测矩阵，并计算观测矩阵的协方差矩阵。
[0114]
其中，观测窗口可以根据需要进行配置，示例性的，相邻观测时刻的时间间隔为0.01秒，则观测窗口可以为0.1秒。
[0115]
电子设备可以基于观测窗口划分多个观测时刻，从而将多个观测时刻分别划分至不同观测窗口，针对每一观测窗口内多个观测时刻对应的指定向量，以纵轴为观测时刻、横轴为子载波索引，构建二维矩阵，作为该观测窗口对应的观测矩阵。电子设备可以为该观测矩阵计算对应的协方差矩阵。示例性的，可以通过如下公式(5)计算出协方差矩阵：
[0116]rxx
＝e[xx
*
] (5)
[0117]
其中，x为观测矩阵；e为单位矩阵；r
xx
为协方差矩阵。
[0118]
步骤264：对协方差矩阵进行谱搜索，得到nlos信道的信道长度和无源目标的多普勒观测速度。
[0119]
电子设备可以以纵轴为导向矢量，通过music(multiple signal classification algorithm)算法、esprit(estimation of signal parameters using rotational invariance techniques)算法、pisarenko算法等任意一种频谱峰值搜索方法，在协方差矩阵中搜索得到nlos信道的信道长度l。
[0120]
电子设备可以以横轴为导向矢量，通过任意一种频谱峰值搜索方法，在协方差矩阵中搜索得到无源目标的多普勒观测速度v。
[0121]
在一实施例中，在谱搜索之后，电子设备可以从协方差矩阵中获得多个信道长度和多个多普勒观测速度，多个信道长度和多个多普勒观测速度构成多个(v，l)的组合。
[0122]
电子设备可以对多个信道长度和多个多普勒观测速度进行聚类处理，换而言之，对多个(v，l)的组合进行聚类处理，从而得到若干簇。电子设备可以选择簇中心的信道长度和多普勒观测速度，用于行为识别。这种情况下，经过聚类处理得到的信道长度和多普勒观测速度，能够更准确地表征无源目标实际的行为活动。
[0123]
步骤265：基于多个观测窗口对应的信道长度和多普勒观测速度，确定无源目标的行为类别。
[0124]
电子设备可以根据多个观测窗口对应的信道长度和多普勒观测速度，构建用于行为识别的技术特征，从而确定无源目标的行为类别。
[0125]
通过上述措施，可以消除降噪后信道频率响应中的los信道的数据，从而更准确地实现行为识别。
[0126]
在一实施例中，参见图7，为本技术一实施例提供的行为识别方法的流程示意图，如图7所示，借助机器学习模型执行步骤710至步骤730以进行行为识别。
[0127]
步骤710：基于多个观测窗口对应的信道长度和多普勒观测速度，构建行为识别参数矩阵。
[0128]
电子设备可以将每个观测窗口对应的信道长度和多普勒观测速度，构建为一个列，从而将连续多个观测窗口对应的列构建为识别参数矩阵。该识别参数矩阵的横轴对应时间。
[0129]
步骤720：将行为识别参数矩阵转换为光谱图像，并从光谱图像中裁切出指定时间段内生成的子光谱图像。
[0130]
其中，指定时间段可以根据需要进行设置，指定时间段的时长可以为待识别行为的单次完成时长。示例性的，待识别行为包括举手、挥手、拍手等手部动作，单次完成时长为2秒，且应用场景中需实时识别行为类别，则指定时间段可以为最近的2秒内。
[0131]
步骤730：将子光谱图像输入至已训练的行为识别模型，得到对应于子光谱图像的行为识别结果。
[0132]
其中，行为识别模型为用于对行为类别进行分类的网络模型，网络模型可以是cnn(convolutional neural networks，卷积神经网络)、tcn(temporal convolutional network，时间卷积网络)、cnn加上rnn(recurrent neural networks，循环神经网络)等任意一种。行为识别模型可以通过有监督学习的方法训练得到。
[0133]
电子设备将裁切得到的子光谱图像输入行为识别模型，从而通过行为识别模型对子光谱图像进行处理，得到行为识别结果。
[0134]
通过上述措施，可以借助机器学习方法快速且准确地实现行为识别。
[0135]
图8是本发明一实施例的一种基于指数拟合的行为识别装置的框图，如图8所示，该装置可以包括：
[0136]
第一确定模块810，用于针对wi-fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱；
[0137]
拟合模块820，用于基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数；
[0138]
变换模块830，用于对所述概率密度函数进行傅里叶变换，得到频域相关函数；
[0139]
第二确定模块840，用于基于所述频域相关函数和预设频域信噪比，确定滤波器系数；
[0140]
滤波模块850，用于基于所述滤波器系数对所述信道频率响应进行滤波处理，得到降噪后信道频率响应；
[0141]
识别模块860，用于根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。
[0142]
上述装置中各个模块的功能和作用的实现过程具体详见上述基于指数拟合的行为识别方法中对应步骤的实现过程，在此不再赘述。
[0143]
在本技术所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0144]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0145]
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

技术特征：
1.一种基于指数拟合的行为识别方法，其特征在于，包括：针对wi-fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱；基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数；对所述概率密度函数进行傅里叶变换，得到频域相关函数；基于所述频域相关函数和预设频域信噪比，确定滤波器系数；基于所述滤波器系数对所述信道频率响应进行滤波处理，得到降噪后信道频率响应；根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。2.根据权利要求1所述的方法，其特征在于，所述基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数，包括：将所述功率时延谱进行复制，并拼贴出指定功率时延谱；其中，所述指定功率时延谱包括两份功率时延谱，第一份功率时延谱的后端连接在第二份功率时延谱的前端；在所述指定功率时延谱的第二份功率时延谱内最大功率对应的采样点，作为指定采样点；确定所述指定采样点往前端方向搜索出零点采样点；对所述零点采样点开始到所述指定功率时延谱后端的多个采样点的功率分布情况，通过指数分布函数进行拟合，得到所述概率密度函数。3.根据权利要求2所述的方法，其特征在于，所述确定所述指定采样点往前端方向搜索出零点采样点，包括：确定所述指定采样点往前端方向，间隔预设第一数量的采样点为零点采样点。4.根据权利要求2所述的方法，其特征在于，所述确定所述指定采样点往前端方向搜索出零点采样点，包括：从指定采样点开始，在前端方向预设第二数量的采样点中查找最小功率对应的采样点，作为零点采样点。5.根据权利要求1所述的方法，其特征在于，所述根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别，包括：从所述多个观测时刻的降噪后信道频率响应中，选择一个降噪后信道频率响应作为目标信道频率响应；将每一降噪后信道频率响应，分别与所述目标信道频率响应进行共轭相乘，得到目标向量，并将所述目标向量中每一数值减去所述目标向量中所有数值的均值，得到指定向量；将观测窗口内连续多个观测时刻对应的指定向量，构建为观测矩阵，并计算所述观测矩阵的协方差矩阵；对所述协方差矩阵进行谱搜索，得到nlos信道的信道长度和无源目标的多普勒观测速度；基于多个观测窗口对应的信道长度和多普勒观测速度，确定所述无源目标的行为类别。6.根据权利要求5所述的方法，其特征在于，所述基于多个观测窗口对应的信道长度和多普勒观测速度，确定所述无源目标的行为类别，包括：基于多个观测窗口对应的信道长度和多普勒观测速度，构建行为识别参数矩阵；
将所述行为识别参数矩阵转换为光谱图像，并从所述光谱图像中裁切出指定时间段内生成的子光谱图像；将所述子光谱图像输入至已训练的行为识别模型，得到对应于所述子光谱图像的行为识别结果。7.根据权利要求5所述的方法，其特征在于，在所述对所述协方差矩阵进行谱搜索，得到nlos信道的信道长度和无源目标的多普勒观测速度之后，所述方法还包括：在从所述协方差矩阵中谱搜索得到多个信道长度和多个多普勒观测速度之后，对所述多个信道长度和多个多普勒观测速度进行聚类处理，获得若干簇；选择簇中心的信道长度和多普勒观测速度，用于行为识别。8.一种基于指数拟合的行为识别装置，其特征在于，包括：第一确定模块，用于针对wi-fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱；拟合模块，用于基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数；变换模块，用于对所述概率密度函数进行傅里叶变换，得到频域相关函数；第二确定模块，用于基于所述频域相关函数和预设频域信噪比，确定滤波器系数；滤波模块，用于基于所述滤波器系数对所述信道频率响应进行滤波处理，得到降噪后信道频率响应；识别模块，用于根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。9.一种电子设备，其特征在于，所述电子设备包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行权利要求1-7任意一项所述的基于指数拟合的行为识别方法。10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的基于指数拟合的行为识别方法。

技术总结
本申请提供一种基于指数拟合的行为识别方法及装置、电子设备、存储介质，包括：针对Wi-Fi信号每一观测时刻的信道频率响应，确定对应的功率时延谱；基于所述功率时延谱中各个采样点的功率分布情况，拟合得到指数分布的概率密度函数；对所述概率密度函数进行傅里叶变换，得到频域相关函数；基于所述频域相关函数和预设频域信噪比，确定滤波器系数；基于所述滤波器系数对所述信道频率响应进行滤波处理，得到降噪后信道频率响应；根据多个观测时刻的降噪后信道频率响应，执行对无源目标的行为识别。本申请方案，借助指数拟合对Wi-Fi信号的信道频率响应进行有效降噪，从而可以基于降噪后信道频率响应进行准确的行为识别。道频率响应进行准确的行为识别。道频率响应进行准确的行为识别。


技术研发人员：古强
受保护的技术使用者：上海物骐微电子有限公司
技术研发日：2023.04.17
技术公布日：2023/7/7