公开(公告)号：CN114095892B

公开(公告)日：2024-03-05

申请号：CN202111363918.9

申请日：2021-11-17

Applicant: 东南大学

Inventor： 王帅 ,  刘韦 ,  梅洛瑜 ,  郑安琪

IPC: H04W4/33 ,  H04W16/22 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种解决大规模信号异质性的室内人员状态检测的方法，所述方法包括以下步骤：步骤1：数据预处理，为构建图准备数据；步骤2：通过相似性提取模块学习环境对蓝牙信号的影响模式和智能手机设备对蓝牙信号的影响模式之间的相似性；步骤3：基于影响模式之间的相似性，通过模型参数预测模块预测未知场景下的状态检测模型参数；该方案实现了基于图神经网络的大规模室内状态检测技术，该技术分析了大规模场景下环境和智能手机设备对蓝牙信号造成的异质性影响模式，并根据影响模式间的相似性来推断未知场景下的室内状态检测模型参数，无需收集额外的数据及模型再训练，最终室内状态检测的准确率和召回率分别达到93.62％和95.20％。

公开(公告)号：CN114095892A

公开(公告)日：2022-02-25

申请号：CN202111363918.9

申请日：2021-11-17

Applicant: 东南大学

Inventor： 王帅 ,  刘韦 ,  梅洛瑜 ,  郑安琪

IPC: H04W4/33 ,  H04W16/22 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种解决大规模信号异质性的室内人员状态检测的方法，所述方法包括以下步骤：步骤1：数据预处理，为构建图准备数据；步骤2：通过相似性提取模块学习环境对蓝牙信号的影响模式和智能手机设备对蓝牙信号的影响模式之间的相似性；步骤3：基于影响模式之间的相似性，通过模型参数预测模块预测未知场景下的状态检测模型参数；该方案实现了基于图神经网络的大规模室内状态检测技术，该技术分析了大规模场景下环境和智能手机设备对蓝牙信号造成的异质性影响模式，并根据影响模式间的相似性来推断未知场景下的室内状态检测模型参数，无需收集额外的数据及模型再训练，最终室内状态检测的准确率和召回率分别达到93.62％和95.20％。