一种基于LoRa的无线感知与行为识别的系统及方法与流程

本发明涉及信号处理与机器学习，具体为一种基于lora的无线感知与行为识别的系统及方法。

背景技术：

1、在现有动作以及姿态识别系统中，基于摄像头的识别系统应用最为广泛准确率也最高，但是存在监控盲区以及隐私性的问题；基于传感器类系统需要用户穿戴一些设备进行信号采集，局限性较大。

2、现有技术中，伴随着射频技术的飞速发展以及物联网技术的大规模应用，无线感知技术在某些应用场合可以替代传统的摄像头实现行为动作检测。现有的rfid、wi-fi、lora等信号都可以作为无线感知的识别方式，但是考虑到rfid需要在环境中部署标签，且wi-fi的传输距离较短，穿透力较差，并且使用wi-fi信号作为无线感知源时会影响通信的带宽。

技术实现思路

1、本发明的目的在于提供一种基于lora的无线感知与行为识别的系统及方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于lora的无线感知与行为识别的系统，所述系统由数据感知与采集模块、数据处理模块、特征提取模块和算法识别模块组成；

3、中数据感知与采集模块，负责采集环境中的lora射频信号；

4、数据处理模块，负责对信号进行噪声滤波，分离出信号的频率、相位、带宽、码率射频参数；

5、特征提取模块，用于在信号的频谱中提取环境相关的特征；

6、算法识别模块，用于结合深度学习的模型对处理后的信号数据进行运算和识别，根据无线射频信号的特征最终输出判定结果。

7、优选的，数据感知与采集模块由lora发射机、lora接收机以及客户机组成；

8、发射机发出的射频信号经过反射或者折射后被接收机接收，接收机将接收到的射频信号通过usrp接口传输给客户机，客户机端运行相关软件接收来与usrp接口的信号数据，并且配置信号的采样频率、中心频率、信号带宽参数值。

9、优选的，数据处理模块对接收机传来的信号进行滤波处理，减小背景噪声的影响，将源信号波形清晰的展示出来，并且过滤出静态信号，减小数据处理的运算量。

10、优选的，特征提取模块将滤波后信号的频率、相位、带宽以及扩频因子参数提取出来，根据特征提取的参数并结合奈奎斯特抽样准则从信号中选择适量的采样点，保证不失真的恢复信号的前提下尽可能减小数据量，将提取的特征点输入机器学习模型进行分类识别，数据格式为样本数*数据点*特征数。

11、优选的，算法识别模块采用tpn神经网络和轻量级注意力机制相结合的深度学习模型，将特征提取后的数据点输入神经网络进行一系列运算，并最终输出分类结果。

12、一种基于lora的无线感知与行为识别的系统用的基于lora的无线感知与行为识别方法，所述方法包括以下步骤：

13、采集环境中的lora射频信号；

14、对信号进行噪声滤波，分离出信号的频率、相位、带宽、码率射频参数；

15、在信号的频谱中提取环境相关的特征；

16、结合深度学习的模型对处理后的信号数据进行运算和识别，根据无线射频信号的特征最终输出判定结果。

17、优选的，采集环境中的lora射频信号时，发射机发出的射频信号经过反射或者折射后被接收机接收，接收机将接收到的射频信号通过usrp接口传输给客户机，客户机端运行相关软件接收来与usrp接口的信号数据，并且配置信号的采样频率、中心频率、信号带宽参数值。

18、优选的，对信号进行噪声滤波，分离出信号的频率、相位、带宽、码率射频参数时，对接收机传来的信号进行滤波处理，减小背景噪声的影响，将源信号波形清晰的展示出来，并且过滤出静态信号，减小数据处理的运算量。

19、优选的，在信号的频谱中提取环境相关的特征时，将滤波后信号的频率、相位、带宽以及扩频因子参数提取出来，根据特征提取的参数并结合奈奎斯特抽样准则从信号中选择适量的采样点，保证不失真的恢复信号的前提下尽可能减小数据量，将提取的特征点输入机器学习模型进行分类识别，数据格式为样本数*数据点*特征数。

20、优选的，结合深度学习的模型对处理后的信号数据进行运算和识别，根据无线射频信号的特征最终输出判定结果时，采用tpn神经网络和轻量级注意力机制相结合的深度学习模型，将特征提取后的数据点输入神经网络进行一系列运算，并最终输出分类结果。

21、与现有技术相比，本发明的有益效果是：

22、本发明提出的基于lora的无线感知与行为识别的系统及方法，采用客户机通过usrp接口实现对lora发射机、接收机的信号感知与采集、运算与处理，结合信号处理与机器学习，最终检测输出特定的行为。本发明可应用于环境较为稳定的区域，能充分发挥长距离通信的特点。本发明可应用于智慧养老、智慧工厂等区域，布线成本低，具有较高的应用价值。

技术特征：

1.一种基于lora的无线感知与行为识别的系统，其特征在于：所述系统由数据感知与采集模块、数据处理模块、特征提取模块和算法识别模块组成；

2.根据权利要求1所述的一种基于lora的无线感知与行为识别的系统，其特征在于：数据感知与采集模块由lora发射机、lora接收机以及客户机组成；

3.根据权利要求1所述的一种基于lora的无线感知与行为识别的系统，其特征在于：数据处理模块对接收机传来的信号进行滤波处理，减小背景噪声的影响，将源信号波形清晰的展示出来，并且过滤出静态信号，减小数据处理的运算量。

4.根据权利要求1所述的一种基于lora的无线感知与行为识别的系统，其特征在于：特征提取模块将滤波后信号的频率、相位、带宽以及扩频因子参数提取出来，根据特征提取的参数并结合奈奎斯特抽样准则从信号中选择适量的采样点，保证不失真的恢复信号的前提下尽可能减小数据量，将提取的特征点输入机器学习模型进行分类识别，数据格式为样本数*数据点*特征数。

5.根据权利要求1所述的一种基于lora的无线感知与行为识别的系统，其特征在于：算法识别模块采用tpn神经网络和轻量级注意力机制相结合的深度学习模型，将特征提取后的数据点输入神经网络进行一系列运算，并最终输出分类结果。

6.一种如上述权利要求1-5任意一项所述的基于lora的无线感知与行为识别的系统用的基于lora的无线感知与行为识别方法，其特征在于：所述方法包括以下步骤：

7.根据权利要求6所述的一种基于lora的无线感知与行为识别方法，其特征在于：采集环境中的lora射频信号时，发射机发出的射频信号经过反射或者折射后被接收机接收，接收机将接收到的射频信号通过usrp接口传输给客户机，客户机端运行相关软件接收来与usrp接口的信号数据，并且配置信号的采样频率、中心频率、信号带宽参数值。

8.根据权利要求6所述的一种基于lora的无线感知与行为识别方法，其特征在于：对信号进行噪声滤波，分离出信号的频率、相位、带宽、码率射频参数时，对接收机传来的信号进行滤波处理，减小背景噪声的影响，将源信号波形清晰的展示出来，并且过滤出静态信号，减小数据处理的运算量。

9.根据权利要求6所述的一种基于lora的无线感知与行为识别方法，其特征在于：在信号的频谱中提取环境相关的特征时，将滤波后信号的频率、相位、带宽以及扩频因子参数提取出来，根据特征提取的参数并结合奈奎斯特抽样准则从信号中选择适量的采样点，保证不失真的恢复信号的前提下尽可能减小数据量，将提取的特征点输入机器学习模型进行分类识别，数据格式为样本数*数据点*特征数。

10.根据权利要求6所述的一种基于lora的无线感知与行为识别方法，其特征在于：结合深度学习的模型对处理后的信号数据进行运算和识别，根据无线射频信号的特征最终输出判定结果时，采用tpn神经网络和轻量级注意力机制相结合的深度学习模型，将特征提取后的数据点输入神经网络进行一系列运算，并最终输出分类结果。

技术总结
本发明涉及信号处理与机器学习技术领域，具体为一种基于LoRa的无线感知与行为识别的系统及方法，系统由数据感知与采集模块、数据处理模块、特征提取模块和算法识别模块组成；中数据感知与采集模块，负责采集环境中的LoRa射频信号；数据处理模块，负责对信号进行噪声滤波，分离出信号的频率、相位、带宽、码率射频参数；特征提取模块，用于在信号的频谱中提取环境相关的特征；有益效果为：本发明提出的基于LoRa的无线感知与行为识别的系统及方法，采用客户机通过USRP接口实现对LoRa发射机、接收机的信号感知与采集、运算与处理，结合信号处理与机器学习，最终检测输出特定的行为。本发明可应用于环境较为稳定的区域，能充分发挥长距离通信的特点。

技术研发人员：张永昊,朱翔宇,金长新,李锐,魏子重
受保护的技术使用者：山东浪潮科学研究院有限公司
技术研发日：
技术公布日：2024/1/16