人体行为识别(Human Activity Recognition,HAR)是当前众多研究工作的基石,对于推动人机交互和智能数字化转型具有巨大潜力。由于目标域样本较难采集,现有方法在跨域识别方面表现不佳。为解决这一问题,提出一种新的WiFi使能跨域HAR方法,从WiFi信号中获取信道状态信息(Channel State Information,CSI)并转化为图像,在基于Wasserstein距离和梯度的生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)中引入双判别器,通过与源域样本和单目标域样本特征联合对抗,生成同时带有双域特征的虚拟样本。该方法还结合基于Mean Teacher的半监督学习设计识别分类(Recognition and Classification,RC)模块,通过对有标记样本与无标记样本分别构造损失函数,进行整体一致性损失的评估,实现对目标域样本的识别。实验结果证明了所提方法能够在减轻目标域样本采集压力的同时,实现较高的检测精度,在手势与动作的数据集上测试准确率分别达到92.71%和86.65%。
采用正交频分复用(orthogonal frequency division multiplexing,OFDM)信号作为雷达通信一体化发射信号时,由于OFDM信号具有比较高的峰值平均功率比(peak-toaverage power ratio,PAPR),不利于一体化信号的线性传输。为解决上述问题,首...
详细信息
采用正交频分复用(orthogonal frequency division multiplexing,OFDM)信号作为雷达通信一体化发射信号时,由于OFDM信号具有比较高的峰值平均功率比(peak-toaverage power ratio,PAPR),不利于一体化信号的线性传输。为解决上述问题,首先提出了一种基于子载波复用的OFDM雷达通信一体化波形,然后提出削峰算法来抑制PAPR。在发挥子载波灵活调制与分配优势的基础上,利用空白子载波调制削峰信号,以较低的复杂度和迭代次数,在对雷达和通信子载波不产生任何影响的前提下,抑制一体化信号的PAPR。仿真结果表明,所提出的抑制方法能够产生一定幅度的削峰信号来较好地抑制一体化信号的PAPR。
暂无评论