本技術(shù)涉及無線通信，尤其涉及基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法及相關(guān)設(shè)備。

背景技術(shù)：

1、基于攝像機(jī)、可穿戴傳感器和雷達(dá)等工具開展的人體識(shí)別工作雖然在一定程度上能夠滿足特定場(chǎng)景下的需求，但這些方法往往存在明顯的局限性。首先，攝像機(jī)和可穿戴傳感器不僅使用受限制，而且需要用戶親自攜帶或佩戴這些設(shè)備，給實(shí)際應(yīng)用帶來諸多不便。研究者們開始探索利用csi（channel?state?information，信道狀態(tài)信息）數(shù)據(jù)進(jìn)行人體識(shí)別的工作。csi數(shù)據(jù)具有非接觸、數(shù)據(jù)保護(hù)性好、能適應(yīng)較為復(fù)雜的識(shí)別場(chǎng)景、以及對(duì)數(shù)據(jù)采集的要求較低等特點(diǎn)，因此，近年來受到了廣泛關(guān)注。

2、目前，傳統(tǒng)的基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法往往通過先進(jìn)神經(jīng)網(wǎng)絡(luò)模型從csi數(shù)據(jù)中學(xué)習(xí)人體活動(dòng)的語義空間特征。然而，在處理數(shù)據(jù)會(huì)出現(xiàn)局部缺失或數(shù)據(jù)量規(guī)模不足的情況，導(dǎo)致無線人體動(dòng)作識(shí)別的準(zhǔn)確率低。

3、上述內(nèi)容僅用于輔助理解本技術(shù)的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的主要目的在于提供一種基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法及相關(guān)設(shè)備，旨在解決無線人體動(dòng)作識(shí)別的準(zhǔn)確率低的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，本技術(shù)提出一種基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法，所述的方法包括：

3、響應(yīng)于開始識(shí)別信號(hào)，獲取無線信道狀態(tài)信息數(shù)據(jù)；

4、根據(jù)預(yù)設(shè)的輕量化監(jiān)督擴(kuò)散模型，對(duì)所述無線信道狀態(tài)信息數(shù)據(jù)進(jìn)行擴(kuò)散復(fù)原，得到復(fù)原信道狀態(tài)信息數(shù)據(jù)，其中，所述輕量化監(jiān)督擴(kuò)散模型的訓(xùn)練過程包括引入樣本標(biāo)簽信息的步驟及指數(shù)滑動(dòng)平均的步驟；

5、將所述復(fù)原信道狀態(tài)信息數(shù)據(jù)輸入至預(yù)設(shè)的人體動(dòng)作識(shí)別模型，得到人體動(dòng)作識(shí)別結(jié)果。

6、在一實(shí)施例中，所述根據(jù)預(yù)設(shè)的輕量化監(jiān)督擴(kuò)散模型，對(duì)所述無線信道狀態(tài)信息數(shù)據(jù)進(jìn)行擴(kuò)散復(fù)原，得到復(fù)原信道狀態(tài)信息數(shù)據(jù)的步驟之前包括：

7、獲取信道狀態(tài)信息數(shù)據(jù)樣本及對(duì)應(yīng)的人體動(dòng)作類別標(biāo)簽；

8、將預(yù)設(shè)的時(shí)間步與所述人體動(dòng)作類別標(biāo)簽進(jìn)行編碼，得到目標(biāo)時(shí)間步編碼；

9、將所述目標(biāo)時(shí)間步編碼作為偏置參數(shù)，嵌入至預(yù)設(shè)的殘差網(wǎng)絡(luò)模型；

10、對(duì)所述信道狀態(tài)信息數(shù)據(jù)樣本進(jìn)行特征處理，得到目標(biāo)樣本特征；

11、將所述目標(biāo)樣本特征輸入至所述殘差網(wǎng)絡(luò)模型，得到殘差輸出結(jié)果；

12、通過預(yù)設(shè)的輸出層網(wǎng)絡(luò)及所述殘差輸出結(jié)果對(duì)預(yù)設(shè)的去噪函數(shù)進(jìn)行訓(xùn)練；

13、更新所述時(shí)間步，將所述殘差輸出結(jié)果輸入至所述殘差網(wǎng)絡(luò)模型進(jìn)行迭代，直到所述時(shí)間步達(dá)到預(yù)設(shè)的時(shí)間步范圍，得到目標(biāo)去噪函數(shù)；

14、根據(jù)所述目標(biāo)去噪函數(shù)，確定輕量化監(jiān)督擴(kuò)散模型。

15、在一實(shí)施例中，所述對(duì)所述信道狀態(tài)信息數(shù)據(jù)樣本進(jìn)行特征處理，得到目標(biāo)樣本特征的步驟包括：

16、根據(jù)預(yù)設(shè)的高斯噪聲，對(duì)所述信道狀態(tài)信息數(shù)據(jù)樣本進(jìn)行噪聲添加，得到擴(kuò)散噪聲樣本；

17、從所述擴(kuò)散噪聲樣本中進(jìn)行隨機(jī)抽樣，得到抽樣噪聲樣本；

18、通過預(yù)設(shè)的第一卷積層與非線性激活函數(shù)，對(duì)所述抽樣噪聲樣本進(jìn)行特征提取，得到目標(biāo)樣本特征。

19、在一實(shí)施例中，所述將預(yù)設(shè)的時(shí)間步與所述人體動(dòng)作類別標(biāo)簽進(jìn)行編碼，得到目標(biāo)時(shí)間步編碼的步驟包括：

20、對(duì)預(yù)設(shè)的每個(gè)時(shí)間步進(jìn)行步驟編碼與線性投影，得到時(shí)間步驟編碼信息；

21、對(duì)人體動(dòng)作類別標(biāo)簽進(jìn)行編碼，得到標(biāo)簽編碼信息；

22、將所述標(biāo)簽編碼信息與所述時(shí)間步驟編碼信息混合，得到標(biāo)簽指導(dǎo)時(shí)間步信息；

23、通過預(yù)設(shè)的線性層對(duì)所述標(biāo)簽指導(dǎo)時(shí)間步信息進(jìn)行編碼，得到目標(biāo)時(shí)間步編碼。

24、在一實(shí)施例中，所述通過預(yù)設(shè)的輸出層網(wǎng)絡(luò)及殘差輸出結(jié)果對(duì)預(yù)設(shè)的去噪函數(shù)進(jìn)行訓(xùn)練的步驟包括：

25、通過反卷積層對(duì)所述殘差輸出結(jié)果進(jìn)行恢復(fù)，得到第一恢復(fù)數(shù)據(jù)；

26、通過所述非線性激活函數(shù)及第二卷積層對(duì)所述第一恢復(fù)數(shù)據(jù)進(jìn)行特征提取，得到第一恢復(fù)數(shù)據(jù)特征；

27、通過第一恢復(fù)數(shù)據(jù)特征對(duì)預(yù)設(shè)的去噪函數(shù)進(jìn)行訓(xùn)練。

28、在一實(shí)施例中，所述將所述殘差輸出結(jié)果輸入至所述殘差網(wǎng)絡(luò)模型進(jìn)行迭代，直到所述時(shí)間步達(dá)到預(yù)設(shè)的時(shí)間步范圍，得到目標(biāo)去噪函數(shù)的步驟包括：

29、若迭代次數(shù)達(dá)到預(yù)設(shè)的迭代次數(shù)范圍，則對(duì)預(yù)設(shè)的模型參數(shù)進(jìn)行指數(shù)加權(quán)平均處理；

30、將所述殘差輸出結(jié)果輸入至所述模型參數(shù)完成指數(shù)加權(quán)平均處理的殘差網(wǎng)絡(luò)模型進(jìn)行迭代，直到所述時(shí)間步達(dá)到預(yù)設(shè)的時(shí)間步范圍，得到目標(biāo)去噪函數(shù)。

31、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別裝置，所述基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別裝置包括：

32、獲取模塊，用于響應(yīng)于開始識(shí)別信號(hào)，獲取無線信道狀態(tài)信息數(shù)據(jù)；

33、擴(kuò)散模塊，用于根據(jù)預(yù)設(shè)的輕量化監(jiān)督擴(kuò)散模型，對(duì)所述無線信道狀態(tài)信息數(shù)據(jù)進(jìn)行擴(kuò)散復(fù)原，得到復(fù)原信道狀態(tài)信息數(shù)據(jù)，其中，所述輕量化監(jiān)督擴(kuò)散模型的訓(xùn)練過程包括引入樣本標(biāo)簽信息的步驟及指數(shù)滑動(dòng)平均的步驟；

34、識(shí)別模塊，用于將所述復(fù)原信道狀態(tài)信息數(shù)據(jù)輸入至預(yù)設(shè)的人體動(dòng)作識(shí)別模型，得到人體動(dòng)作識(shí)別結(jié)果。

35、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別設(shè)備，所述設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如上文所述的基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法的步驟。

36、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法的步驟。

37、此外，為實(shí)現(xiàn)上述目的，本技術(shù)還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法的步驟。

38、本技術(shù)提出的一個(gè)或多個(gè)技術(shù)方案，至少具有以下技術(shù)效果：

39、與相關(guān)技術(shù)中，傳統(tǒng)的基于輕量化監(jiān)督擴(kuò)散模型的動(dòng)作識(shí)別方法往往通過先進(jìn)神經(jīng)網(wǎng)絡(luò)模型從csi數(shù)據(jù)中學(xué)習(xí)人體活動(dòng)的語義空間特征。然而，在處理數(shù)據(jù)會(huì)出現(xiàn)局部缺失或數(shù)據(jù)量規(guī)模不足的情況，導(dǎo)致無線人體動(dòng)作識(shí)別的預(yù)測(cè)準(zhǔn)確率低相比，本技術(shù)通過響應(yīng)于開始識(shí)別信號(hào)，獲取無線信道狀態(tài)信息數(shù)據(jù)；根據(jù)預(yù)設(shè)的輕量化監(jiān)督擴(kuò)散模型，對(duì)所述無線信道狀態(tài)信息數(shù)據(jù)進(jìn)行擴(kuò)散復(fù)原，得到復(fù)原信道狀態(tài)信息數(shù)據(jù)，其中，所述輕量化監(jiān)督擴(kuò)散模型的訓(xùn)練過程包括引入樣本標(biāo)簽信息的步驟及指數(shù)滑動(dòng)平均的步驟；將所述復(fù)原信道狀態(tài)信息數(shù)據(jù)輸入至預(yù)設(shè)的人體動(dòng)作識(shí)別模型，得到人體動(dòng)作識(shí)別結(jié)果。可理解的是，本技術(shù)采用了引入樣本標(biāo)簽信息的步驟及指數(shù)滑動(dòng)平均的步驟訓(xùn)練的輕量化監(jiān)督擴(kuò)散模型對(duì)無線信道狀態(tài)信息數(shù)據(jù)進(jìn)行擴(kuò)散復(fù)原，幫助模型在更小的訓(xùn)練輪次及更少采樣迭代輪次的背景下，獲得信息更豐富的增強(qiáng)樣本，通過人體動(dòng)作識(shí)別模型進(jìn)一步對(duì)增強(qiáng)樣本進(jìn)行數(shù)據(jù)特征提取和分類，實(shí)現(xiàn)人體動(dòng)作識(shí)別準(zhǔn)確率的提高。