一种基于Wi-Fi信号和迁移学习的活动分类模型构建方法及系统

摘要

本发明公开了一种基于Wi‑Fi信号和迁移学习的活动分类模型构建方法及系统，包括：通过巴特沃斯滤波、奇异值分解、相位校正等操作对用户活动对应的Wi‑Fi信道状态信息进行预处理；通过源域中的数据三元组结对训练的方式训练深度卷积特征提取网络，采用迁移学习，用特征提取网络模型提取目标域中预处理之后的Wi‑FiCSI片段中的活动特征；利用所提取的活动特征结合SVM分类器实现跨域的活动分类任务。本发明采用迁移学习的方式，建立了一种新的基于Wi‑Fi信号的跨域活动分类方法，针对现有的活动分类方法在环境改变之后模型应用失效的问题，提出了一种新的跨域活动分类框架，该方法能够基于少量的带标签样本实现目标域中的活动分类任务，提升了现有跨域活动分类效果。