買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜西安理工大學申請的專利一種基于Wi-Fi信道狀態信息的被動式室內人數檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115002703B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210834030.7，技術領域涉及：H04W4/33；該發明授權一種基于Wi-Fi信道狀態信息的被動式室內人數檢測方法是由費蓉;郭與番;李軍懷;李愛民;楊璐;王戰敏;白雪茹設計研發完成，并于2022-07-14向國家知識產權局提交的專利申請。

本一種基于Wi-Fi信道狀態信息的被動式室內人數檢測方法在說明書摘要公布了：本發明公開了一種基于Wi?Fi信道狀態信息的被動式室內人數檢測方法，包括：步驟1，采集不同人數志愿者在不同位置緩慢走動過程中的CSI原始信號；步驟2，對步驟1中采集的CSI信號進行數據預處理；步驟3，對步驟2所得幅值進行最小?最大規范化處理，得到標準化數據；步驟4，基于時間窗口法對所得標準化數據進行特征提取、PCA降維，從而構建特征向量并制定相應標簽，構建數據集；步驟5，將得到的特征向量數據集隨機按比例分為訓練集和測試集，利用基于概率密度函數的方法改進BP神經網絡對訓練集進行訓練，并用測試集驗證，得到建立可精確檢測出室內人數的人數檢測模型。本發明成本低、易部署，具有很強的擴展性。

本發明授權一種基于Wi-Fi信道狀態信息的被動式室內人數檢測方法在權利要求書中公布了：1.一種基于Wi-Fi信道狀態信息的被動式室內人數檢測方法，其特征在于，包括下述步驟：步驟1，搭建單發射器-單接收器的Wi-Fi檢測環境，采集不同人數志愿者在不同位置緩慢走動過程中的CSI原始信號；所述步驟1中，具體按照下述步驟獲取CSI原始振幅信號：步驟1.1，選用AtherosAR9580無線網卡采集CSI信號，利用兩個可以支持安裝可接收CSI信號的OpenWRT固件的路由器，其中一個作為發射端，另一個設置為接收端；兩個路由器同屬一個局域網，通過終端對兩個路由器進行控制實現數據的發送與接收，路由器的型號為TL-WDR4900，安裝了OpenWRT15.05.1，并設置路由器發包頻率為100Hz；步驟2，對步驟1中采集的CSI信號進行數據預處理；步驟3，對步驟2所得幅值進行最小-最大規范化處理，得到標準化數據；所述步驟3中，具體按照下述步驟得到標準化后的幅值信息：步驟3.1，分析經步驟2.3幅值數據預處理后的不同數量志愿者在不同位置緩慢走動的CSI信號；步驟3.2，對步驟2預處理的振幅值進行最小-最大規范化，將數據值映射到[0,1]之間；具體公式如下： CSI降噪后的幅值信號x通過最大最小標準化成x′的公式：其中，A表示當前子載波的幅值，minA和maxA分別是當前子載波幅值的最小值和最大值；步驟4，基于時間窗口法對步驟3所得標準化數據進行特征提取、PCA降維，從而構建特征向量并制定相應標簽，構建數據集；所述步驟4中，具體按照下述步驟得到幅值的特征向量并制定相應的類別標簽，構建數據集：步驟4.1，選取合適的時間窗口大小，為下一步構建特征向量提供基礎；步驟4.2，按照步驟4.1選取的時間窗口大小，將幅值的均值、極差、標準差、均方根作為特征表征波動情況構成特征向量；featrure＝[m,v,d,rs]其中，m為均值，v為極差，d為標準差，rs為均方根值，隨后構建特征向量；步驟4.3，將步驟4.2構成的特征向量進行PCA降維，選取特征明顯的列數并制定相應的類別標簽，構建人數檢測系統的數據集；步驟5，將步驟4中得到的特征向量數據集隨機按比例分為訓練集和測試集，利用基于概率密度函數的方法改進BP神經網絡對訓練集進行訓練，并用測試集驗證，得到建立可精確檢測出室內人數的人數檢測模型；具體包括：步驟5.1，按照機器學習劃分數據集的常規方法將步驟4.3構建的數據集按照7：3的比例隨機劃分為訓練集和測試集；步驟5.2，利用基于概率密度函數的方法改進反向傳播BP神經網絡，并對訓練集進行訓練；在正向傳播的過程中，BPNN模型根據當前的輸入以及上一次反向傳播之后更新的權值w和偏移量b值計算出當前輸入所映射的預測輸出；在反向傳播的過程中，從后往前不斷根據當前層的誤差去更新w和b值，反向傳播中w和b的更新過程具體如下： BPNN模型有一個輸入層、兩個隱藏層和一個輸出層，其中，參數y代表輸入層的輸入矢量，具體指步驟4.3中降維處理后的子載波統計特征值，如均值、極差、標準差、均方根等；為輸出層的輸出矢量，具體為預測人數分類類別；其中，表示作用于第k層中的第j個神經元的線性結果；參數表示第k層中的第j個神經元激活函數的輸出，參數wk,i,j表示第k-1層中的第i個神經元指向第k層中的第j個神經元之間的連接權重，表示第k層的第j個神經元的偏置，利用最小二乘法得到預測誤差Etotal根據輸出的人數分類結果進行分析不斷優化BPNN模型，參數σk,j表示第k層中第j個神經元的誤差，其中i,j,k＝1,2,3,4；所述改進后的BPNN模型同層神經元的激活函數不同，同層有四個神經元使用指數分布，對數分布，正態分布、伽馬函數這四個不同的概率密度函數作為激活函數作用于各個神經元，實現了同層神經元的激活函數不同，具體的四種概率密度函數如下：f1＝1-e-λx f1為指數分布，f2正態分布，f3對數正態分布，f4伽馬函數，f1,f2,f3，f4為激活函數，λ,μ1,s1,μ2,s2,α,β為參數，γα,β,x為下不完全伽馬函數，Γα為伽馬函數，利用梯度下降法用于參數設置，計算Etotal相對于每個參數的偏微分，如下公式所示，更新完成后即可得到訓練好的BPNN模型； 步驟5.3，用測試集進行驗證，得到建立可精確檢測出室內人數的人數檢測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安理工大學，其通訊地址為：710048 陜西省西安市碑林區金花南路5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。