一种基于多层级特征提取算法的轻量化用户行为识别方法

本发明公开了一种基于多层级特征提取算法的轻量化用户行为识别方法，包括：采集CSI原始数据；提取第一时域数据集；通过样本特征增强策略获得第二时域数据集和第一频域数据集；进行深度特征提取，获得时域样本级特征和频域样本级特征并进行特征融合，得到第一融合特征，输入到双向Mamba网络中，获得第二融合特征，输入到多头注意力机制获得第三融合特征，经全局平均池化后输入到分类器，输出每个动作类别的概率分布；在模型训练过程中动态识别并屏蔽低贡献特征；本发明通过样本特征增强策略、多层级深度特征表示提取策略以及模型冗余特征轻量化策略，有效提高了用户行为识别精度，并降低了模型复杂度与计算成本。