买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西安理工大学申请的专利一种基于Wi-Fi信道状态信息的被动式室内人数检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115002703B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210834030.7，技术领域涉及：H04W4/33；该发明授权一种基于Wi-Fi信道状态信息的被动式室内人数检测方法是由费蓉;郭与番;李军怀;李爱民;杨璐;王战敏;白雪茹设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本一种基于Wi-Fi信道状态信息的被动式室内人数检测方法在说明书摘要公布了：本发明公开了一种基于Wi‑Fi信道状态信息的被动式室内人数检测方法，包括：步骤1，采集不同人数志愿者在不同位置缓慢走动过程中的CSI原始信号；步骤2，对步骤1中采集的CSI信号进行数据预处理；步骤3，对步骤2所得幅值进行最小‑最大规范化处理，得到标准化数据；步骤4，基于时间窗口法对所得标准化数据进行特征提取、PCA降维，从而构建特征向量并制定相应标签，构建数据集；步骤5，将得到的特征向量数据集随机按比例分为训练集和测试集，利用基于概率密度函数的方法改进BP神经网络对训练集进行训练，并用测试集验证，得到建立可精确检测出室内人数的人数检测模型。本发明成本低、易部署，具有很强的扩展性。

本发明授权一种基于Wi-Fi信道状态信息的被动式室内人数检测方法在权利要求书中公布了：1.一种基于Wi-Fi信道状态信息的被动式室内人数检测方法，其特征在于，包括下述步骤：步骤1，搭建单发射器-单接收器的Wi-Fi检测环境，采集不同人数志愿者在不同位置缓慢走动过程中的CSI原始信号；所述步骤1中，具体按照下述步骤获取CSI原始振幅信号：步骤1.1，选用AtherosAR9580无线网卡采集CSI信号，利用两个可以支持安装可接收CSI信号的OpenWRT固件的路由器，其中一个作为发射端，另一个设置为接收端；两个路由器同属一个局域网，通过终端对两个路由器进行控制实现数据的发送与接收，路由器的型号为TL-WDR4900，安装了OpenWRT15.05.1，并设置路由器发包频率为100Hz；步骤2，对步骤1中采集的CSI信号进行数据预处理；步骤3，对步骤2所得幅值进行最小-最大规范化处理，得到标准化数据；所述步骤3中，具体按照下述步骤得到标准化后的幅值信息：步骤3.1，分析经步骤2.3幅值数据预处理后的不同数量志愿者在不同位置缓慢走动的CSI信号；步骤3.2，对步骤2预处理的振幅值进行最小-最大规范化，将数据值映射到[0,1]之间；具体公式如下： CSI降噪后的幅值信号x通过最大最小标准化成x′的公式：其中，A表示当前子载波的幅值，minA和maxA分别是当前子载波幅值的最小值和最大值；步骤4，基于时间窗口法对步骤3所得标准化数据进行特征提取、PCA降维，从而构建特征向量并制定相应标签，构建数据集；所述步骤4中，具体按照下述步骤得到幅值的特征向量并制定相应的类别标签，构建数据集：步骤4.1，选取合适的时间窗口大小，为下一步构建特征向量提供基础；步骤4.2，按照步骤4.1选取的时间窗口大小，将幅值的均值、极差、标准差、均方根作为特征表征波动情况构成特征向量；featrure＝[m,v,d,rs]其中，m为均值，v为极差，d为标准差，rs为均方根值，随后构建特征向量；步骤4.3，将步骤4.2构成的特征向量进行PCA降维，选取特征明显的列数并制定相应的类别标签，构建人数检测系统的数据集；步骤5，将步骤4中得到的特征向量数据集随机按比例分为训练集和测试集，利用基于概率密度函数的方法改进BP神经网络对训练集进行训练，并用测试集验证，得到建立可精确检测出室内人数的人数检测模型；具体包括：步骤5.1，按照机器学习划分数据集的常规方法将步骤4.3构建的数据集按照7：3的比例随机划分为训练集和测试集；步骤5.2，利用基于概率密度函数的方法改进反向传播BP神经网络，并对训练集进行训练；在正向传播的过程中，BPNN模型根据当前的输入以及上一次反向传播之后更新的权值w和偏移量b值计算出当前输入所映射的预测输出；在反向传播的过程中，从后往前不断根据当前层的误差去更新w和b值，反向传播中w和b的更新过程具体如下： BPNN模型有一个输入层、两个隐藏层和一个输出层，其中，参数y代表输入层的输入矢量，具体指步骤4.3中降维处理后的子载波统计特征值，如均值、极差、标准差、均方根等；为输出层的输出矢量，具体为预测人数分类类别；其中，表示作用于第k层中的第j个神经元的线性结果；参数表示第k层中的第j个神经元激活函数的输出，参数wk,i,j表示第k-1层中的第i个神经元指向第k层中的第j个神经元之间的连接权重，表示第k层的第j个神经元的偏置，利用最小二乘法得到预测误差Etotal根据输出的人数分类结果进行分析不断优化BPNN模型，参数σk,j表示第k层中第j个神经元的误差，其中i,j,k＝1,2,3,4；所述改进后的BPNN模型同层神经元的激活函数不同，同层有四个神经元使用指数分布，对数分布，正态分布、伽马函数这四个不同的概率密度函数作为激活函数作用于各个神经元，实现了同层神经元的激活函数不同，具体的四种概率密度函数如下：f1＝1-e-λx f1为指数分布，f2正态分布，f3对数正态分布，f4伽马函数，f1,f2,f3，f4为激活函数，λ,μ1,s1,μ2,s2,α,β为参数，γα,β,x为下不完全伽马函数，Γα为伽马函数，利用梯度下降法用于参数设置，计算Etotal相对于每个参数的偏微分，如下公式所示，更新完成后即可得到训练好的BPNN模型； 步骤5.3，用测试集进行验证，得到建立可精确检测出室内人数的人数检测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。