一种无接触感知的徒手健身运动监测方法与流程

本发明涉及健身运动监测技术，具体涉及基于商业无线局域网设备的无接触的健身运动监测方法。

背景技术

徒手健身就是不借用任何器械和工具进行健身活动，以自己的身体为负重的运动练习，如仰卧起坐、下蹲、俯卧撑等。无接触的徒手健身运动监测指的在健身者不与设备发生任何接触性行为的前提下，对健身者的徒手健身运动进行精确地监测，并给出运动情况的反馈和评估，像运动类型、运动量、动作标准程度等指标。目前，手机、平板电脑、笔记本电脑、智能手表等无线局域网(wifi)设备已广泛存在于我们的日常生活中，如果利用商业wifi设备实现无接触的徒手健身运动监测，健身者就可以不受环境的约束，随时随地地健身，所以基于商业wifi设备的无接触徒手健身运动监测受到了人们的广泛关注。

2015年，中国的weiwang在2015年的mobicom会议提出了一种解决方案，基于人类活动识别的wifi信号的理解与建模(understandingandmodelingofwi-fisignalbasedhumanactivityrecognition.mobicom15.pp.65–76.)，通过利用商业wifi网卡中获得的信道状态信息(channelstateinformation(csi)反应了信号从发射端到接收端发生的振幅和相位的改变)，从csi振幅信号中提取出可以反映人速度的信号特征来实现9种行为的识别(跑步、走路、坐下等)，但是由于wi-fi振幅信号受噪声的影响大，且振幅信号只能粗粒度的反映出人的速度大小，无法得知速度的方向，所以该方法只能粗粒度的识别人的几种行为，无法实现细粒度健身运动种类的识别，运动量的统计，达到运动监测的目的。

2017年，中国的qiankun在2017年的计算机和人交互作用(computerhumaninteraction)会议中提出的使用交互式运动游戏的商用wifi推断运动方向(inferringmotiondirectionusingcommoditywi-fiforinteractiveexergames.chi17.pp.1961–1972)，通过利用两根接收天线csi的相位差信号提取出的多普勒频移特征，不仅可以反映出人运动速度的大小，还可以反映出人的运动方向，通过获得的多普勒频移，实现8个运动方向的识别。同年，中国的xiangli在可穿戴计算机国际研讨会(internationalsymposiumonwearablecomputers)提出的室内追踪：用商用wifi的无装置人类室内追踪(indotrack:device-freeindoorhumantrackingwithcommoditywi-fi.，iswc17)，通过将从csi的相位差信号提取出的多普勒频移信息与通过多天线获得的到达角度信息进行结合实现了对人的室内追踪。虽然这两种方法利用了信道状态信息即csi的相位信息，可以同时估计人运动速度的大小和方向，但它们将运动目标视为了一个整体，只能粗粒度识别运动目标的方向，位置，但无法得知目标当前的运动类型、运动状态，以及运动量等细粒度的信息。

技术实现要素：

为了克服上述现有技术的不足，本发明提供一种无接触感知的健身运动监测方法，该方法基于商业无线局域网设备的，且不需要监测目标穿戴任何设备，利用两个wifi设备，就可以对健身者的健身运动进行监测，统计出当前运动进行的次数，识别出当前健身运动的类型。

本发明的原理是：从同一wifi设备的两根天线同时接收的csi相位差信号中提取出反映人运动特性的多普勒速度特征，然后将多普勒速度转化为更为直接的多普勒位移特征，利用健身运动(例如，在徒手或者简单负重情况下的健身运动)在多普勒位移上造成的脉冲特性实现健身运动的切割和计数，最后，从健身运动对应的信号片段中提取有效特征，通过机器学习的方式进行分类，实现对健身运动的类型识别。

根据本发明的以方面，本发明提供的一种优选技术方案是：

一种无接触的健身运动监测方法，wifi收发环境中的发射端为wifi信号发射设备，接收端是与发射端对应的wifi信号接收设备，待监测的健身者进行健身活动时无需穿戴任何设备；利用wifi收发设备实现对健身运动的监测包括如下步骤：

1)利用一个传统商业wifi设备(具有至少一根天线)作为wifi信号发射设备，利用一个传统商业wifi设备(具有至少两根天线)作为wifi信号接收设备；

发射端为wifi信号发射设备，其可以是包含wifi网卡的任何设备(手机、平板电脑、笔记本电脑、智能手表等)，接收端是与发射端使用相同频率的wifi信号接收设备。常见的商业wifi设备一般支持连接3根天线，所以很好满足发射端的发射设备使用一根天线，接收端的接收设备使用两根天线的需求。

2)wifi发射设备利用1根天线发射信号，wifi接收设备利用两根天线同时接收发射端的各种wifi设备发出的数据包，并从中测量csi信息(该信息反应了信号从发射端到达接收端所发生的振幅和相位的改变)；

3)将接收设备两根天线同一时刻测得的csi信息中的相位信息做差，得到相位差信号流。

由于wifi发射端和接收端时钟的不同步，为csi的相位带来了相位误差，而且这个相位误差是随时间变化的，使得我们无法直接在csi相位上提取多普勒速度。而由于同一网卡上不同天线之间相位误差相同，所以通过对接收端两根天线的csi相位做差就可以消除掉由于收发设备的不同步带来的相位误差。

4)通过对相位差信号进行谱分析算法估计多普勒频移，得到多普勒速度谱。

商业wifi设备在进行通信传输时，采用的是正交频分复用即ofdm的编码方式，可以支持多个子载波同时传输。所以对两根天线的每个对应子载波做差，可以得到k个子载波的相位差信号流。取窗口大小为m的滑动时间窗口，将窗口内的信号构成一个m*k的矩阵，利用谱分析算法就可以得到当前滑动时间窗口所对应的多普勒速度谱，滑动该滑动时间窗口就可以得到每一个时刻的多普勒速度谱。

5)从多普勒速度谱中，提取出每一时刻有效的反映健身运动的多普勒速度，构成多普勒速度流。

在健身时，人在进行某种运动时的主要运动部位产生的多普勒速度对应于多普勒速度谱能量最强的地方。例如做俯卧撑、仰卧起坐时，人的主要运动部位是上肢躯干，所以其产生的多普勒速度最明显，能量最强，而人在做下蹲运动时，大腿是主要的运动部位，其产生的多普勒速度最明显。所以，通过提取多普勒速度谱中能量最强的速度就可以代表当前健身运动中人体的主要运动速度。

6)将多普勒速度流转化为多普勒位移流。

其中，d(t0)代表t0时刻的位移，d(ti-1)代表ti-1时刻的位移，v(ti)代表ti时刻从多普勒速度谱中提取的有效多普勒速度，δt代表第4步中，两个相邻的滑动时间窗口之间的时间间隔。

7)在多普勒位移流中不断地寻找转变点(极值点和静止点)，当积累够3个转变点时构成一个位移脉冲，进一步对当前的位移脉冲进行如下判断，看是否是对应一次健身运动的目标脉冲(其中，累积3个转变点可以是以下三种情况(1)一个极值点和两个静止点；(2)一个静止点和两个极值点；(3)三个极值点)。

a)由于人身体条件的限制，人一次健身运动对应的持续时间应该处在一个合理的范围，所以由于人健身运动造成的位移脉冲，其持续时间需满足：δmin＜tend-tstart＜δmax；tend代表脉冲的结束时间，tstart代表脉冲的开始时间，δmin，δmax代表最短和最长的持续时间阈值。

b)人一次健身运动前半周期和后半周期对应的位移应该相同，例如：仰卧起坐起来和躺下的过程，身体的位移相同，即具有对称性。所以脉冲前半部分和后半部分的位移差需满足：|dfront-dback|＜δd；dfront代表第一个转变点到第二个转变点的位移差，dback代表第二个转变点到第三个转变点的位移差，δd代表位移差的阈值。

8)对目标脉冲进行分组，实现对一组健身运动的切割。

经过上一步识别出目标脉冲后，需进一步做出判断，当当前脉冲与上一脉冲组的最后一个脉冲间隔时间tinterval＜δinterval(δinterval代表间隔时间的最大阈值)且与上一脉冲组中的脉冲较为相似时，则当前脉冲属于上一脉冲组，

其中相似度计算如下：

其中n是上一脉冲组拥有的脉冲数量，len(impulsej)代表第j个脉冲的脉冲长度。dtw代表用来计算相似度的动态时间规整(dynamictimewarping)算法，其基本原理是用满足一定条件的时间规整函数描述测试模板(impulsenow)和参考模板(impulsej)的时间对应关系，求解两个模板匹配时的累积最小距离。ε代表认为两个脉冲相似的相似度阈值。如果当前脉冲同时满足间隔时间和相似性的条件，则将当前脉冲与上一脉冲组视为同一组脉冲，将当前脉冲加入到上一组脉冲中，即更新上一脉冲组。如果当前脉冲不属于上一脉冲组，一方面其代表着新的一组运动的开始，另一方面也预示着上一脉冲组的结束。统计上一脉冲组所包含的脉冲数，若脉冲数大于δnum(其代表脉冲组中包含的最小脉冲数阈值)，则将上一脉冲组切割出来用来对健身运动进行分类，更新健身次数计数器；若脉冲数不大于δnum，则认为上一脉冲组为非健身运动，不做任何处理。

9)根据切割出来的脉冲组，得到一组健身运动的开始时间及结束时间，以及一组健身运动中每次运动的开始时和结束时。根据这些时间点，从健身运动对应的csi原始信号流，多普勒速度流，多普勒位移流中提取分类特征，用做机器学习。

10)将提取出的分类特征利用分类器进行分类，得到具体的健身运动的运动类型。

根据本发明的一个实施例，一种无接触感知的健身运动监测方法包括：使用具有至少两根天线的接收设备同时以无线传输的方式从具有至少一根天线的发射设备接收信号；测量无线传输的信道状态信息即csi，并且通过处理csi，获得csi信号流、多普勒速度流和多普勒位移流；基于获得的多普勒位移流对运动进行切割；基于对运动进行切割，从csi信号流、多普勒速度流和多普勒位移流中提取分类特征；基于分类特征对运动进行分类。

根据本发明的又一个实施例，一种无接触感知的健身运动监测方法进一步包括对徒手健身运动进行监测。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法进一步包括基于所述分类特征对运动进行分类，从而确定健身运动的类型。

根据本发明的又一个实施例，一种无接触感知的健身运动监测方法进一步包括：基于对运动进行切割，对运动进行计数。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法，其中基于对运动进行切割，从csi信号流、多普勒速度流和多普勒位移流中提取分类特征进一步包括：基于经切割获得的每组运动的时间段，从相应的csi信号流、多普勒速度流和多普勒位移流中提取分类特征。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法包括：使用具有至少两根天线的接收设备同时以无线传输的方式从具有至少一根天线的发射设备接收信号；测量无线传输的信道状态信息即csi，并且通过处理csi，获得csi信号流、多普勒速度流和多普勒位移流；基于获得的多普勒位移流对运动进行切割，基于对运动进行切割，对运动进行计数；以及基于经切割获得的每组运动的时间段，从相应时间段的csi信号流、多普勒速度流和多普勒位移流中提取分类特征；基于分类特征对运动进行分类，从而确定健身运动的类型。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法进一步包括：其中基于分类特征对运动进行分类包括通过机器学习对运动进行分类。

根据本发明的又一个实施例，一种无接触感知的健身运动监测方法进一步包括：其中测量无线传输的信道状态信息即csi，并且通过处理csi，获得csi信号流、多普勒速度流和多普勒位移流包括：对接收设备的两根天线上同时无线接收信号的信道测量的csi计算相位差从而得到相位差信号流；对相位差信号流进行谱分析算法估计其多普勒频移，从而得到多普勒速度谱；从多普勒速度谱中提取每一时刻有效反映健身运动的多普勒速度，从而获得多普勒速度流。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法，进一步包括：其中对相位差信号流进行谱分析算法估计其多普勒频移从而得到多普勒速度谱包括：对于支持多个子载波同时传输的编码方式，可以对接收设备的两根天线的每个对应子载波做差，从而获得k个子载波的相位差信号流，其中k为正整数；取大小为m的滑动时间窗口，构成窗口内信号的m*k矩阵，其中m为正整数；对该矩阵进行所述谱分析，获得当前滑动时间窗口所对应的多普勒速度谱；滑动该滑动时间窗口，获得每一时刻对应的多普勒速度谱。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法，进一步包括：其中从多普勒速度谱中提取每一时刻有效反映健身运动的多普勒速度包括：提取多普勒速度谱中能量最强的速度作为健身运动的人的主要运动速度。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法，进一步包括：其中利用获得的所述多普勒位移流对运动进行切割和计数，以及从相应时间段的csi信号流、多普勒速度流和多普勒位移流中提取有效的分类特征用于机器学习包括：在多普勒位移流中寻找包括极值点和静止点的转变点，累积三个转变点形成一个位移脉冲，判断当前位移脉冲是否对应某健身运动的目标脉冲；对目标脉冲进行分组，切割分组的目标脉冲用于对健身运动进行分类，并从相应时间段的csi信号流、多普勒速度流和多普勒位移流中提取有效的分类特征用于机器学习。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法，其中判断当前位移脉冲是否对应某健身运动的目标脉冲包括：当前位移脉冲持续时间满足δmin＜tend-tstart＜δmax，其中tend表示脉冲的结束时间，tstart表示脉冲的开始时间，δmin，δmax分别表示最短和最长的持续时间阈值；并且当前位移脉冲的前半部分和后半部分的位移差满足：|dfront-dback|＜δd，其中dfront表示第一个转变点到第二个转变点的位移差，dback表示第二个转变点到第三个转变点的位移差，δd表示位移差的阈值。

根据本发明的另一个实施例，一种无接触感知的健身运动监测方法，其中对目标脉冲进行分组，并切割分组的目标脉冲用于对健身运动进行分类包括：在判断当前位移脉冲是对应某健身运动的目标脉冲之后，进一步判断若当前脉冲与上一组脉冲的最后一个脉冲间隔时间满足：tinterval＜δinterval并且与上一组脉冲中的脉冲较为相似时，则当前脉冲属于上一组脉冲，其中tinterval表示两个脉冲之间的间隔时间，δinterval表示脉冲间隔时间的最大阈值；脉冲的相似度计算如下：

其中n是上一组脉冲包含的脉冲数量，len(impulsej)表示第j个脉冲的脉冲长度，dtw表示用于计算相似度的动态时间规整算法，ε代表认为两个脉冲相似的相似度阈值。

根据本发明的又一个实施例，一种无接触感知的健身运动监测方法，进一步包括：若当前脉冲属于上一组脉冲，则将当前脉冲加入到上一组脉冲中，即更新上一组脉冲；若当前脉冲不属于上一组脉冲，则所述当前脉冲表示上一组脉冲的结束和新的一组运动的开始；统计上一组脉冲所包含的脉冲数量，若其大于δnum即脉冲组中包含的最小脉冲数阈值，则将上一组脉冲切割出来，若其不大于δnum，则确定上一组脉冲为非健身运动，对上一组脉冲不做任何处理。

根据本发明的又一个实施例，一种无接触感知的健身运动监测方法，进一步包括通过以下操作提取有效的分类特征：根据切割出来的脉冲组，获取该脉冲组对应的该健身运动的开始时间和结束时间以及该健身运动中每次动作的开始时间和结束时间；根据获取的这些时间，从通过所述接收设备从所述发射设备接收的关于该健身运动所对应的csi信号流、多普勒速度流和多普勒位移流中提取分类特征，用于机器学习。

根据本发明的又一个实施例，一种无接触感知的健身运动监测方法，包括其中根据切割出来的脉冲组获取的信息还包括：多普勒位移流中的脉冲的方向特征、多普勒速度流中有效速度的丰富度特征、原始信号流中振幅的归一化标准差、相位差的归一化标准差、振幅熵的直方分布特征。

根据本发明的一个方面，接收设备和发射设备是常用的wifi设备，包括手机、路由器、电脑、电视等。

根据本发明的又一方面，提供一种计算机可读存储介质，其存储有经配置由处理器执行的指令，该指令使得计算机执行上述无接触感知的健身运动监测方法的操作。

与现有技术相比，本发明的有益效果是：本发明提供一种无接触感知的健身运动监测方法，通过利用商业的wifi网卡，可以实现实时的运动监测，健身者不需要穿戴任何的设备，就可以利用两个wifi设备实现健身运动量的统计，健身运动类型的识别，根据健身系统的评估和反馈，健身者可以更好的提升健身体验，达到随时随地健身的效果。

附图说明

图1是根据本发明的一个实施例的无接触感知的健身运动监测方法搭建的wi-fi健身监测系统。

图2为根据本发明的一个实施例的一种无接触感知的健身运动监测方法的流程图。

图3为根据本发明的一个实施例的利用测量的csi获得多普勒速度谱和多普勒位移流的方法流程图。

图4为根据本发明的一个实施例的利用获得的多普勒位移流对运动进行切割和计数并且判断当前位移脉冲是否对应某健身运动的目标脉冲的流程图。

图5为根据本发明的一个实施例的无接触感知的健身运动监测方法的系统实例实施流程框图。

图6为根据本发明的一个实施例的多普勒位移提取过程示意图，其中(a)是多普勒速度谱(b)是多普勒速度图(c)是多普勒位移图。

图7为根据本发明的一个实施例的多普勒位移脉冲示意图。

图8为根据本发明的一个实施例的以方框图的形式描述的数据处理系统。

具体实施方式

下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。

如图1所示的根据本发明提出的无接触感知的健身运动(例如，在徒手或者简单负重情况下的健身运动)监测方法搭建的wi-fi健身监测系统，手机为发射端的发射设备，平板电脑为接收端的接收设备(其中，手机的无线网卡支持三根天线端口，这里可采用任意两个)，台式机为信号处理服务器(也可以为云端))。本发明提供的一种无接触感知的健身运动监测方法，通过利用商用wifi网卡，可以实现实时的，无接触的运动监测，具体实施方法包括如下过程：

1)利用商用wifi网卡(如intel5300网卡、atherosar9580网卡、atherosar9590网卡等)构造wifi发射端和接收端；发射端为wifi信号发射设备；接收端是与发射端对应(即使用与发射端相同频率的wifi信号)的wifi信号接收设备，由于常见的商用wifi设备(如手机、路由器、电脑、电视等)一般支持三根天线，可以利用其中两根来接收信号。

2)wifi接收设备接收wifi发射设备(可以是各种wifi设备，用1根天线发射信号)发出的数据包，并从中测量csi信息；

3)将接收设备中的两根天线上同一时刻各自接收的信号的各个子载波测得的csi相位分别相应做差，消除相位误差，得到各个子载波的相位差序列。

4)取窗口大小为m的滑动时间窗口，结合各个子载波的相位差序列，构造信号矩阵，通过谱分析算法从信号矩阵中得到多普勒速度谱，如图6(a)所示。

5)提取多普勒速度谱中每一时刻的最强能量的速度作为当前时刻有效的多普勒速度(图6(a)最亮的带),如图6(b)所示。

6)将多普勒速度流按下式转化为多普勒位移流，如图6(c)。

其中，d(t0)代表t0时刻的位移，d(ti-1)代表ti-1时刻的位移，v(ti)代表ti时刻从多普勒速度谱中提取的有效多普勒速度，δt代表两个相邻的滑动时间窗口的时间间隔。

7)利用一个针对位移的滑动时间窗口不断的在位移流中寻找转变点(极值点和静止点)，当积累够3个转变点时构成一个位移脉冲，根据脉冲的持续时间与对称性进一步判断当前的位移脉冲式否为目标脉冲(其中，累积3个转变点可以是以下三种情况(1)一个极值点和两个静止点；(2)一个静止点和两个极值点；(3)三个极值点)。

8)对目标脉冲进行分组，当当前脉冲与上一脉冲组的最后一个脉冲间隔时间tinterval＜δinterval(即间隔时间的最大阈值)且与上一脉冲组中的脉冲较为相似时，则当前脉冲属于上一脉冲组，否则当前脉冲为一组新脉冲的开始，统计上一脉冲组中脉冲的数量，若上一脉冲组中脉冲的数量大于δnum(即脉冲组中包含的最小脉冲数阈值)，则上一脉冲组对应一组健身运动，将其切割出来，用于健身运动的分类。

9)从切割出来的一组健身运动的信号中提取出多普勒位移流中脉冲的方向特征，多普勒速度流中有效速度的丰富度特征，原始信号流中振幅的归一化标准差、相位差的归一化标准差，振幅熵的直方分布特征，相位差的直方分布特征用于学习分类。

10)通过提取的特征和训练好的分类器判断具体的健身运动的运动类型。

图2是根据本发明的一个实施例的一种无接触感知的健身运动(例如，在徒手或者简单负重情况下的健身运动)监测方法的流程图。其主要包括以下步骤：某个接收端从其至少两根天线上分别同时以无线传输方式接收来自同一发射端的信号；而后测量此无线传输的信道状态信息csi，并处理该csi以获得其csi信号流、多普勒速度流和多普勒位移流；之后基于获得的多普勒位移流对运动进行切割；随后基于对运动进行的切割，从csi信号流、多普勒速度流和多普勒位移流中提取分类特征；最后基于提取的分类特征对运动进行分类，进而确定健身运动的类型。

图3是根据本发明的一个实施例的利用测量的csi获得多普勒速度谱和多普勒位移流的方法流程图。其主要包括以下步骤：某个接收端从其至少两根天线上分别同时以无线传输方式接收来自同一发射端的信号；然后测量该无线传输的信道状态信息csi，再对测量的csi计算相位差得到相位差信号流；而后对该相位差信号流进行谱分析算法估计其多普勒频移，从而得到多普勒速度谱；提取多普勒速度谱中每一时刻能量最强的速度作为有效多普勒速度，得到多普勒速度流；再将多普勒速度流转化为多普勒位移流。

图4为根据本发明的一个实施例的利用获得的多普勒位移流对运动进行切割和计数并且判断当前位移脉冲是否对应某健身运动(例如，在徒手或者简单负重情况下的健身运动)的目标脉冲的流程图。其主要包括以下步骤：在多普勒位移流中寻找包括极值点和静止点的转变点，累积三个转变点形成一个位移脉冲(其中，累积三个转变点可以是以下三种情况(1)一个极值点和两个静止点；(2)一个静止点和两个极值点；(3)三个极值点)；从而判断形成的当前位移脉冲持续时间是否满足：δmin＜tend-tstart＜δmax(其中tend表示脉冲的结束时间，tstart表示脉冲的开始时间，δmin，δmax分别表示最短和最长的持续时间阈值)，并且当前位移脉冲的前半部分和后半部分的位移差是否满足：|dfront-dback|＜δd(其中dfront表示第一个转变点到第二个转变点的位移差，dback表示第二个转变点到第三个转变点的位移差，δd表示位移差的阈值)；如果当前位移脉冲满足上述两个条件，则进一步判断若当前脉冲与上一组脉冲的最后一个脉冲间隔时间满足：tinterval＜δinterval并且与上一组脉冲中的脉冲较为相似时，则当前脉冲属于上一组脉冲(其中tinterval表示两个脉冲之间的间隔时间，δinterval表示脉冲间隔时间的最大阈值)；其中脉冲的相似度计算如下：

(其中n是上一组脉冲包含的脉冲数量，len(impulsej)表示第j个脉冲的脉冲长度，dtw表示用于计算相似度的动态时间规整算法，ε代表认为两个脉冲相似的相似度阈值)；若根据上述步骤得出当前脉冲属于上一组脉冲，则将当前脉冲加入到上一组脉冲中，即更新上一组脉冲；若根据上述步骤得出当前脉冲不属于上一组脉冲，则当前脉冲表示上一组脉冲的结束和新的一组运动的开始，此后统计上一组脉冲中的脉冲数，判断其是否大于δnum即脉冲组中包含的最小脉冲数阈值，若大于则将上一组脉冲切割出来用于对健身运动进行分类，同时更新健身次数的计数器，否则确定上一组脉冲为非健身运动，对上一组脉冲不做任何处理。

基于本发明的两个实施例的收发环境均包括作为发射端的1个发射设备、作为接收端的1个接收设备和作为服务器端的1个信号处理服务器；采用常用wi-fi设备作为接收设备(如手机、路由器、电脑、电视等，在实例中我们以平板电脑为例，但本方法并不局限于平板电脑)，用2根天线接收信号。用1个常用wi-fi设备(如手机、路由器、电脑、电视等，在实例中我们以手机为例，但本方法并不局限于手机)作为信号发射端的发射设备，用1根天线发射信号。发射设备发出的信号同时被接收端的接收设备中的两根天线接收到。采用5ghz的wifi信号，20mhz的带宽，本发明提供一种方法来实现无接触感知的健身运动监测(例如，在徒手或者简单负重情况下的健身运动)。如图5所示的wifi健身运动监测系统流程图，其具体方法流程如下：

1)发射端以200个数据包每秒的速度不断地发射信号；

2)接收端的接收设备中的两根天线同时接收wifi发射端发出的数据包，并从中测量csi信息，然后将两根天线同时测量的csi信息实时发送给服务器；

3)服务器端实时接收从接收的数据包中采集到的csi信息，当每累积到10个数据包时，就将csi信息写入到一个文件中。

4)服务器端处理当前最新的csi信息的文件，并将两根天线上同一时刻各自接收的信号的各个子载波的相应csi相位做差得到各个子载波的相位差信号序列，在实例中商用wifi设备同时通过30个子载波进行通信，所以将会得到30个相位差的信号序列。

4)采用一个长度为60个数据包的滑动时间窗口不断滑动构造信号矩阵，一个该窗口内构造的信号矩阵为60*30的csi相位差矩阵，通过多重信号分类(multiplesignalclassification)即music谱分析算法进行谱估计得到当前时刻的多普勒速度能量分布，不断地滑动该滑动时间窗口，多个时刻的多普勒速度能量分布构成多普勒速度谱，如图6(a)中所示。

5)提取多普勒速度谱中每一时刻能量最强的速度作为当前时刻有效的多普勒速度v(ti)，如图6(b)所示。

6)将多普勒速度v(ti)转化为多普勒位移d(ti)，多普勒位移如图6(c)所示。

δt为两个相邻的滑动时间窗口的时间间隔，在本实例中δt＝0.05s。

7)通过一个大小为0.5s的滑动时间窗口不断地滑动在位移流中寻找转变点(极值点和静止点)，当连续发现3个转变点时，由这3个点构成一个位移脉冲，如图7，3个转变点是a、b和c，进一步根据当前的位移脉冲的持续时间和对称性判断该脉冲是否是对应一次健身运动的目标脉冲。

a)1s＜tend-tstart＜5s；tend代表脉冲的结束时间，tstart代表脉冲的开始时间。

b)|dab-dbc|＜0.3m；dab代表第一个转变点到第二个转变点的位移差，dbc代表第二个转变点到第三个转变点的位移差，如图7所示。

8)如果当前脉冲与上一脉冲组的最后一个脉冲间隔时间tinterval＜2s且与上一脉冲组中的脉冲较为相似时，则当前脉冲属于上一脉冲组，相似度判断如下：

其中n是上一脉冲组拥有的脉冲数量，len(impulsej)代表第j个脉冲的脉冲长度。dtw代表用来计算相似度的动态时间规整算法。如果当前脉冲同时满足间隔时间和相似性的条件，则将当前脉冲与上一脉冲组视为同一组脉冲，将当前脉冲加入到上一组脉冲中，即更新上一脉冲组。如果当前脉冲不同时满足间隔时间和相似性的条件，则当前脉冲不属于上一脉冲组，一方面其代表着新的一组运动的开始，另一方面也预示着上一脉冲组的结束。统计上一脉冲组的包含的脉冲数，若脉冲数大于1，则将上一脉冲组切割出来用于健身运动的分类，更新健身次数计数器；若脉冲数不大于1，则认为上一脉冲组为非健身运动，不做任何处理。

9)从切割出来的一组健身运动的信号中提取出多普勒位移流中脉冲的方向特征，多普勒速度流中有效速度的丰富度特征，原始信号流中振幅的归一化标准差、相位差的归一化标准差，振幅熵的直方分布特征，相位差的直方分布特征用于机器学习分类。

10)将提取出的分类特征利用训练好的svm(支持向量机，supportvectormachine)分类模型进行分类，得到具体的健身运动(例如，在徒手或者简单负重情况下)的运动类型，例如俯卧撑、仰卧起坐、下蹲等。

需要注意的是，在上述实施例的步骤7)和8)的公式中，1s和5s分别是最短持续时间阈值δmin和最长持续时间阈值δmax的实际采用值，0.3m是位移差的阈值δd的实际采用值，2s是间隔时间的最大阈值δinterval的实际采用值，1是认为两个脉冲相似的相似度阈值ε和脉冲组中包含的最小脉冲数阈值δnum的实际采用值。在其它实施例中，根据运动者的具体情况和实际需要，还可以针对上述公式设定其它值来实施本发明的方法。

图8是以方框图的形式描述了数据处理系统。数据处理系统800可用于实施本发明中的各种方法。

如图所示，数据处理系统800包括通信架构802，其提供处理器单元804、存储装置806、通信单元808、输入/输出单元810和显示器之间的通信。在一些情形中，通信架构802可以被实施为总线系统。

处理器单元804被配置为执行软件的指令从而执行若干操作。处理器单元804根据实施可以包括若干处理器、多核处理器和/或一些其他类型的处理器。在一些情形中，处理器单元804可以采用硬件单元的形式，例如，电路系统、专用集成电路(asic)、可编程逻辑器件或一些其他合适类型的硬件单元。

处理器单元804运行的操作系统的指令、应用程序和/或程序可位于存储装置806中。存储装置806可以通过通信架构802与处理器单元804通信。如本文所用的，存储装置也被称为计算机可读存储装置，是任何能够将信息暂存和/或永久性存储的任何一件硬件。该信息可以包括，但不限于，数据、程序代码和/或其他信息。

存储器814和持久存储器816是存储装置806的实例。存储器814可以采用，例如随机存取存储器或一些易失性或非易失性存储装置的形式。持久存储器816可以包括任何数量的组件和装置。例如，持久存储器816可以包括硬件设备、闪存、可重写光盘、可重写磁带或上述其他组合。持久存储器816使用的媒介可以是或可以不是可拆卸的。

通信单元808允许数据处理系统800与其他数据处理系统和/或设备通信。通信单元808可以使用物理和/或无线通信链路提供通信。

输入/输出单元810允许从与数据处理系统800相连的其他设备处接收输入和发送输出。例如，输入/输出单元810可以允许用户通过键盘、鼠标和/或一些其他类型输入设备接收输入。作为另一个例子，输入/输出单元810可以允许发送输出至与数据处理系统800相连的打印机。

显示器812被配置为向用户显示信息。显示器812可以包括，例如，但不限于，监视器、触摸屏、激光显示器、全息显示器、虚拟显示设备和/或一些其他类型显示设备。

在这个示例性实例中，通过处理器单元804使用计算机实施指令可以执行不同示例性实施例的过程。这些指令可以被称为程序代码、计算机可用程序指令或计算机可读程序代码，而且处理器单元804中的一个或更多处理器可以读取和执行。

在这些实例中，程序代码818以功能性形式位于计算机可读介质820中，而且可以被加载到或被传输到数据处理系统800以被处理器单元执行，其中计算机可读介质820可以被选择性拆卸。程序代码818和计算机可读介质820共同形成计算机程序产品822。在这个示例性实例中，计算机可读介质820可以是计算机可读存储介质824或计算机可读信号介质826。

计算机可读存储介质824是用于存储程序代码818的物理的或有形存储设备而不是传播或传输程序代码818的媒介。计算机可读存储设备824可以是，例如，但不限于，与数据处理系统相连的光或磁盘或持续存储设备。

可替换地，使用计算机可读信号介质可以将程序代码818传输到数据处理系统800中。计算机可读信号介质826可以是，例如，包含程序代码818的传播的数据信号。该数据信号可以是电磁信号、光信号和/或一些其他能够通过物理和/或无线通信链路传输的信号。

图8所示的数据处理系统800并不意图提供可以实施这些示例性实施例的方式的结构限制。可以实施不同示例性实施例的数据处理系统包括附加组件或替代数据处理系统800所示的那些组件的组件。此外，图8中所示组件可以与所示实例中的不同。

需要注意的是，公布上述实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内的情况下，各种替换和修改都是可能的。因此，本发明不应局限于上述实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。