公开(公告)号：CN114158004B

公开(公告)日：2022-11-08

申请号：CN202111498377.0

申请日：2021-12-09

Applicant: 重庆邮电大学

Inventor： 杨小龙 ,  唐婷 ,  周牧 ,  谢良波 ,  王勇 ,  聂伟 ,  李兆玉

IPC: H04W4/33 ,  H04W64/00 ,  H04B17/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于图卷积神经网络的室内无源移动目标检测方法。首先，本方法提取接收端每根天线接收到的CSI幅值，分别计算每根天线所有子载波上CSI幅值对应的频谱。然后，对频谱图频率分布进行平均划分得到多个频段，分别对每个频段所有频率对应的能量计算平均能量值。对计算得到的平均能量值进行降序排序之后，得到对应的索引矩阵。再对该索引矩阵第一列对应的索引值进行降序排序，并基于该索引矩阵第一列的变化得到对应变化后的索引矩阵其他列的索引，依据该变化后的索引矩阵即可构造图网络结构。最后，依据得到的图网络结构构造图卷积神经网络(Graph Convolutional Network，GCN)的输入，GCN的输出即为所检测图网络结构的特征，将该特征与检测类一一映射，最终完成检测类的识别。

公开(公告)号：CN114158004A

公开(公告)日：2022-03-08

申请号：CN202111498377.0

申请日：2021-12-09

Applicant: 重庆邮电大学

Inventor： 杨小龙 ,  唐婷 ,  周牧 ,  谢良波 ,  王勇 ,  聂伟 ,  李兆玉

IPC: H04W4/33 ,  H04W64/00 ,  H04B17/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于图卷积神经网络的室内无源移动目标检测方法。首先，本方法提取接收端每根天线接收到的CSI幅值，分别计算每根天线所有子载波上CSI幅值对应的频谱。然后，对频谱图频率分布进行平均划分得到多个频段，分别对每个频段所有频率对应的能量计算平均能量值。对计算得到的平均能量值进行降序排序之后，得到对应的索引矩阵。再对该索引矩阵第一列对应的索引值进行降序排序，并基于该索引矩阵第一列的变化得到对应变化后的索引矩阵其他列的索引，依据该变化后的索引矩阵即可构造图网络结构。最后，依据得到的图网络结构构造图卷积神经网络(Graph Convolutional Network，GCN)的输入，GCN的输出即为所检测图网络结构的特征，将该特征与检测类一一映射，最终完成检测类的识别。