1.基于多特征信道状态信息边缘计算的工厂人员监管方法，其特征在于：用于针对包含Z个工作位置的目标厂区，实现对目标厂区内Z个人员的位置监测，且各人员分别身穿内嵌接收天线的工作服，脚穿内置压力传感器的工作靴；所述工厂人员监管方法包括执行如下步骤A至步骤B，获得人员工作位置判定模型；以及按步骤i，应用人员工作位置判定模型实现关于待监测人员的位置监测；

步骤A.基于各人员分别一一对应位于目标厂区内的各个工作位置，通过信号覆盖目标厂区作为信号发射机的发射天线连续广播M个数据包，且各数据包分别包括顺序N个子载波，并由位于目标厂区内作为基准信号接收机的接收天线、以及各人员所着工作服中作为参考信号接收机的接收天线，分别对来自信号发射机的各数据包进行依次接收，搭建指纹库，然后进入步骤B；

上述步骤A中，按如下步骤A1至步骤A5，搭建指纹库；

步骤A1.分别针对信号发射机所广播的各数据包中的各子载波，采集信号发射机与基准信号接收机之间关于子载波的信道状态信息，构建信号发射机与基准信号接收机之间信s道的CSI信息H如下：

其中，1≤m≤M，1≤n≤N， 表示信号发射机与基准信号接收机之间信道关于第m个数据包中第n个子载波的信道状态信息；

同时，分别针对信号发射机所广播的各数据包中的各子载波，采集信号发射机分别与各人员参考信号接收机之间关于子载波的信道状态信息，构建信号发射机分别与各人员参rz考信号接收机之间信道的CSI信息H 如下：

rz

其中，1≤z≤Z，H 表示信号发射机与第z个人员参考信号接收机之间信道的CSI信息，表示信号发射机与第z个人员参考信号接收机之间信道关于第m个数据包中第n个子载波的信道状态信息；然后进入步骤A2；

步骤A2.分别针对各人员参考信号接收机，以 构成信号发射机、第z个人员参考信号接收机之间信道与信号发射机、基准信号接收机之间信道关于第m个数据包中第n个子载z波的振幅熵，构成第z个人员参考信号接收机所对应的振幅熵特征div|H|如下：进而获得各人员参考信号接收机分别所对应的振幅熵特征；然后进入步骤A3；

步骤A3.分别针对各人员参考信号接收机，以 构成信号发射机、第z个人员参考信号接收机之间信道与信号发射机、基准信号接收机之间信道关于第m个数据包中第nz个子载波的相位差，构成第z个人员参考信号接收机所对应的相位差特征dif∠H如下：进而获得各人员参考信号接收机分别所对应的相位差特征；其中， 表示 的相位， 表示 的相位，然后进入步骤A4；

rz

步骤A4.根据信号发射机分别与各人员参考信号接收机之间信道的CSI信息H ，提取其中各载波之间振幅的距离相关系数特征，构建信号发射机分别与各人员参考信号接收机之rz间所对应的载波间振幅距离相关系数特征dCorH ，然后进入步骤A5；

步骤A5.构建指纹库如下：

步骤B.基于各人员随机游离于目标厂区内，根据预设周期时长，周期按步骤A的方法，z z采集各人员参考信号接收机对应的振幅熵特征div|H |t、相位差特征dif∠Ht、以及人员参rz考信号接收机与信号发射机之间所对应的载波间振幅距离相关系数特征dCorH t，同时周期采集各人员分别所穿两支工作靴中压力传感器数值之和对应周期时长下的波动信息结合指纹库，针对指定深度强化学习算法模型进行训练，获得人员工作位置判定模型；

z z

步骤i.采集待监测人员参考信号接收机对应的振幅熵特征div|H|t、相位差特征dif∠H t、以及待监测人员参考信号接收机与信号发射机之间对应的载波间振幅距离相关系数特征rzdCorH t，同时采集待监测人员所穿两支工作靴中压力传感器数值之和对应周期时长下的波动信息 应用人员工作位置判定模型，获得待监测人员所在的工作位置。

2.根据权利要求1所述基于多特征信道状态信息边缘计算的工厂人员监管方法，其特征在于：所述步骤A4包括如下步骤A4‑1至步骤A4‑3；

步骤A4‑1.根据各数据包分别均包括顺序N个子载波，以两两不同排序位子载波进行组合，获得各个子载波组合，同时，根据M个数据包，以两两不同数据包进行组合，获得各个数据包组合，然后进入步骤A4‑2；

步骤A4‑2.分别针对各人员参考信号接收机，进一步分别针对各个子载波组合，执行步骤A4‑2‑1至步骤A4‑2‑3，获得该人员参考信号接收机对应该子载波组合中两个子载波之间的距离相关系数，进而获得各人员参考信号接收机分别对应各子载波组合所对应的距离相关系数 然后进入步骤A4‑3；

rz

步骤A4‑2‑1.根据信号发射机与人员参考信号接收机之间信道的CSI信息H ，针对子载波组合，基于i∈[1,N]、j∈[1,N]、i≠j，关于位于子载波组合中的第i个子载波、第j个子载波，进一步分别结合各个数据包组合，基于x∈[1,M]、y∈[1,M]，获得位于数据包组合中的第x个数据包中第i个子载波与第y个数据包中第i个子载波之间的欧氏距离进而获得各数据包组合分别关于位于该数据包组合中的第i个子载波的欧氏距离 并以 作为矩阵中第x行第y列的元素，构建位于该数据包组合中的第i* *个子载波所对应的矩阵A ；同理构建位于该数据包组合中的第j个子载波所对应的矩阵B ；

然后进入步骤A4‑2‑2；

* *

步骤A4‑2‑2.基于矩阵A ，以 构建矩阵A所对应的中心距离矩阵* * *

A，其中， 表示矩阵A中第x行的均值， 表示矩阵A中第y列的均值， 表示矩阵A的总均*值；同理构建矩阵B所对应的中心距离矩阵B，然后进入步骤A4‑2‑3；

步骤A4‑2‑3.按如下公式：

计算获得该人员参考信号接收机对应位于该子载波组合中的第i个子载波、第j个子载波之间的距离相关系数 其中，表示第i个子载波与第j个子载波之间的

距离协方差， 表示第i个子载波的距离方差；

步骤A4‑3.根据各人员参考信号接收机分别对应各子载波组合所对应的距离相关系数构建信号发射机分别与各人员参考信号接收机之间所对应的载波间振幅rz

距离相关系数特征dCorH 如下：

3.根据权利要求1所述基于多特征信道状态信息边缘计算的工厂人员监管方法，其特征在于：所述步骤B包括如下步骤B1至步骤B4；

步骤B1.基于各人员随机游离于目标厂区内，根据预设周期时长，周期按步骤A的方法，z z采集各人员参考信号接收机对应的振幅熵特征div|H |t、相位差特征dif∠Ht、以及人员参rz考信号接收机与信号发射机之间所对应的载波间振幅距离相关系数特征dCorH t，同时周期采集各人员分别所穿两支工作靴中压力传感器数值之和对应周期时长下的波动信息获得各周期采集时刻t下的系统状态st如下：其中， 或0， 表示在周期采集时刻t下第z个人员两支工作靴中压力传感器数值之和的波动范围超出预设压力阈值范围， 表示在周期采集时刻t下第z个人员两支工作靴中压力传感器数值之和的波动范围未超出预设压力阈值范围；然后进入步骤B2；

步骤B2.分别针对各个人员，针对各周期采集时刻t下的系统状态st，若人员对应连续各周期采集时刻下 则保留该连续各周期采集时刻中第一个时刻下系统状态st中的该人员所对应的记录，删除该连续各周期采集时刻中其余各时刻下系统状态st中的该人员所对应的记录，实现对各周期采集时刻t下的系统状态st的更新，然后进入步骤B3；

步骤B3.分别针对各周期采集时刻t下的系统状态st，获得系统状态st中所涉及各人员分别与各工作位置的组合，构成该系统状态st所对应人员位置集，然后进入步骤B4；

步骤B4.基于各周期采集时刻t下的系统状态st对应的人员位置集，结合指纹库、以及各人员分别对应一个工作位置组合的有序对下的奖励函数rt如下：针对指定深度强化学习算法模型进行训练直至收敛，获得以人员参考信号接收机对应z z的振幅熵特征div|H|t、相位差特征dif∠H t、以及人员参考信号接收机与信号发射机之间rz所对应的载波间振幅距离相关系数特征dCorH t为输入，人员所在工作位置为输出的人员z z z z工作位置判定模型；其中，d(div|H|t,div|H|)表示矩阵div|H|t与div|H |之间的欧式距离。

4.根据权利要求3所述基于多特征信道状态信息边缘计算的工厂人员监管方法，其特征在于：所述预设压力阈值范围为90N至120N。

5.根据权利要求1所述基于多特征信道状态信息边缘计算的工厂人员监管方法，其特征在于：基于所述步骤i的执行，获得待监测人员所在的工作位置，若待监测人员未在任何一个工作位置，则判定该监测人员此时处于休息状态，进而在一天工作时间内对待监测人员按步骤i进行周期检测，统计待监测人员的休息时长，并判断该休息时长是否超出预设休息时长范围，是则判定该待监测人员未达到一天工作量要求，否则判定该待监测人员达到一天工作量要求。

6.根据权利要求1至5中任意一项所述基于多特征信道状态信息边缘计算的工厂人员监管方法，其特征在于：所述各人员分别身穿内嵌接收天线的工作服中、接收天线嵌入至工作服后背尾部，所述工作靴内置的压力传感器为FlexPressure压力传感器。