一种基于WiFi信道状态信息的人体动作识别方法

人体动作识别是以人为中心的物联网的核心技术之一,为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information, CSI)的人体动作识别方法,该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis, LDA)分类器实现人体日常生活中“蹲下”、“站起”、“坐下”、“捡起”和“走”5种动作的识别,实验结果表明平均识别率可达到96%。     

基于信道状态信息的人体复杂动作识别方法

现有人类行为识别方法识别精度低、成本高,所能识别的动作也相对简单。为此,通过引入信道状态信息(CSI)提出一种人体复杂动作识别方法,并以传统武术形意拳招式动作为背景进行验证。利用Wi-Fi网卡采集形意拳招式的CSI数据,以数据中的振幅为特征值,使用巴特沃斯低通滤波器和离散小波变换分别过滤数据中的高频和低频异常值。离线阶段采用受限波尔兹曼机对预处理数据进行训练和分类,并构建形意拳招式指纹库。在线阶段使用深度置信网络对采集数据进行分类,将分类结果与指纹库数据进行匹配,实现对形意拳招式的准确识别。实验结果表明,与CSI-SRC方法和基于传统RSSI模型的方法相比,该方法具有较高的识别精度,并且鲁棒性较好。     

AirG：一种基于信道状态信息的空中手语手势识别方法

目前常用的手势识别方法存在设备部署困难与价格高昂的问题,遂本文提出基于信道状态信息的手语识别方法。该方法利用WiFi设备采集信道状态信息,选用局部离群因子检测算法与离散小波变换相结合的方法降低数据噪声,并通过主成分分析法筛选子载波。经降噪后,提取手势波形特征值,最终通过自适应算法多次训练的隐马尔科夫模型得出识别结果。结果表明,该方法可有效识别多种环境下不同人员手语手势的表达且平均识别率达88.98%,相较其他系统识别精度更优。     

基于信道状态特征的手势动作识别技术研究

手势识别作为人和机器之间重要的交互手段,在日常生活中具有广泛的应用场景。基于无线信号特别是WiFi的手势识别由于其无接触、成本低等优点成为当前热门的方式。为解决传统基于无线信号手势识别算法没有充分利用信号相位特征的缺点,本文提出利用WiFi信道状态信息幅值和相位结合的方式进行手势识别。通过子载波降维和动作曲线提取对接收的WiFi信号进行处理,并将信号的幅值和相位结合,利用机器学习算法对数据进行训练和分类,实现了单手向前、单手向后、单手向左、单手向右、单手向上和单手向下六种手势的识别。实验结果显示,本文算法在近距离和远距离下的精确度分别为96%和92%。     

基于低秩矩阵完备的大规模MIMO系统信道估计研究*

随着大规模MIMO系统中天线数的增长,获取信道状态信息(channel state information at the transmitter, CSIT)所需的下行信道训练开销和上行反馈开销变得非常巨大。针对信道估计开销过大的问题,提出了一种新的CSIT估计方案和基于低秩矩阵完备的信道估计算法。在本方案中,基站发送训练信号给各个用户之后,用户直接将其观测信号反馈给基站,并在基站端进行统一的CSIT估计。然后,利用大规模MIMO信道矩阵的特点将信道估计问题转化为低秩矩阵完备问题,从而利用软阈值算法恢复出所有用户的信道状态信息。仿真结果表明,该算法可以获得精确的信道状态信息并有效地估计减少了信道估计开销和复杂度。     

基于低秩行为信息和多尺度卷积神经网络的人体行为识别方法

针对人体行为识别中传统行为信息获取方法需要繁琐步骤和各类假设的问题,结合卷积神经网络(CNN)在图像视频处理中的优越性能,提出了一种基于低秩行为信息(LAI)和多尺度卷积神经网络(MCNN)的人体行为识别方法.首先,对行为视频进行分段,并分别对每个视频段进行低秩学习以提取到相应的LAI,然后在时间轴上对这些LAI进行连...     

一种信道状态信息下的复杂动态手势识别方法

传统动态手势识别方法中存在硬件成本高,推广难度大等局限性.文章提出一种基于信道状态信息的复杂动态手势识别方法CSI-Num,该方法可用来实现对空中数字手势的高效识别.CSI-Num识别过程主要分为两个阶段:数据提取处理阶段与手势匹配识别阶段.提取处理阶段,是将采集到的数据,选取能够反映手势动作的子载波特征值作为被选信号,通过小波阈值函数和五点三次平滑方法对信号进行降噪平滑;匹配识别阶段,提取有效手势数据,使用k均值聚类算法和动态时间规整算法特性相融合的K-DTW匹配算法识别出不同数字的手势动作.实验结果表明,针对不同环境的室内场景,相应地调整参数设置,CSI-Num可以高效地识别出不同数字的手势动作,且具有较高鲁棒性.     

基于信道状态信息的非接触式人员动作识别方法

传感器与摄像头等设备的传统动作识别存在受环境影响大及侵犯用户隐私等问题,以京剧动作为研究对象,提出一种非接触式人员动作识别方法Wi-Opera.在离线阶段采集Wi-Fi路由设备上人体动作的信道状态信息(CSI)数据,利用巴特沃斯低通滤波器和小波变换方法对CSI数据分别进行去噪和平滑处理,通过主成分分析算法提取动作的特征...     

基于信道状态信息的驾驶员动作检测

驾驶员在行驶过程中的行为动作是交通安全的关键因素之一。本文采用WiFi信号的信道状态信息CSI对驾驶员行车过程中的不同动作进行识别。无需要驾驶员穿戴任何设备以免影响正常驾驶操作,同时也不依赖于视频图像从而避免了侵犯驾驶员的隐私。首先搭建实验平台采集和分析了驾驶员不同的行车动作所对应的CSI数据流,然后通过滤波、降维等处理提取不同动作的特征。最后利用机器学习方法进行驾驶动作的分类识别,通过地下停车库模拟驾驶和校园环境下的实际行车实验,结果表明所提出的方案在这两个场景下对驾驶员行车动作的分类识别准确率都在90%以上。     

基于信道状态信息相位差的人员入侵检测方法

目前基于Wi-Fi的人员入侵检测方法缺少对相位信息的利用,从而限制了入侵检测的适用范围和感知距离.讨论了信道状态信息相位差的可行性,采用轻量级的指标来感知无线环境的状态变化.利用递归量化分析法对静止情况下的子载波进行挑选,采用离散小波变换提取呼吸信号,进一步判断当前环境是否有人入侵.不同实验场景的结果表明,运动和静止人员的检测精度都可以达到90％.     

基于部分信道信息的中继选择与功率分配算法

针对传统中继选择算法反馈开销大、信道条件利用不充分以及等功率分配算法资源利用率低等问题,在放大转发协作通信网络中,以最小化系统中断概率为目标,提出基于部分信道状态信息的中继选择与功率分配算法。指出源-中继-目的节点传输链路所能获得的信噪比受制于源-中继及中继-目的链路中接收信噪比较小者,各中继依据自身到源及目的节点链路的统计信道状态信息,采用不同的反馈策略向源节点进行信息反馈,由源节点完成中继选择,通过凸优化方法对所选择的源和中继节点进行功率分配。仿真结果表明,与基于第一跳信道信息的算法相比,该算法在仅增加少量反馈的条件下可明显降低系统的中断概率,且与同等反馈负荷下的其他算法相比,仍能获得较好的中断性能。     

基于信道状态信息的被动式目标轨迹跟踪方法

针对目前的被动式目标人员轨迹跟踪方法计算开销大,算法复杂度高等问题,提出了一种基于信道状态信息CSI(Channel State Information)的被动式目标人员跟踪方法。该方法在离线阶段采集细粒度的CSI数据,建立离线指纹数据库;在线阶段,将实时数据与离线数据库中的数据利用融合了卡尔曼滤波的KNN位置指纹算法进行匹配,实现目标人员轨迹跟踪。实验结果表明该方法可以更精确的跟踪目标人员的轨迹,跟踪可靠性更高。     

基于GD-Kmeans和菲涅尔理论的WiFi手势识别方法

针对手势动作幅度较小难以被WiFi所感知到问题,利用菲涅尔衍射理论对最佳动作捕获位置进行推理以增强感知。针对在实际应用过程中需要判断手势何时发生的问题,提出基于高斯分布-Kmeans聚类的GD-Kmeans手势定位算法。在采集到包含手势的信道状态信息(CSI)数据后,使用低通滤波和DWT滤波进行数据降噪,通过定位算法对手势进行定位切出,最终基于动态时间规整(DTW)进行模板匹配实现对五种手势的判别,其准确率达到了93%。     

慢衰落信道下并行HARQ系统的速率自适应算法

为提升慢衰落信道下多路并行混合自动重传请求(HARQ)系统的吞吐率性能,提出一种基于实时信道状态信息估计的速率自适应算法.设计适用于多次重传的速率自适应策略,推导系统吞吐率与速率选择的关系,并使用动态规划方法求解最优速率配置.瑞利衰落信道下的仿真结果表明,相比使用非实时信道状态信息的HARQ速率自适应算法,实时信道状态...     

基于m序列的信道编码信息隐藏算法

信道编码信息隐藏技术是一门新兴的信息隐藏技术。该文提出了一种基于m序列的信道编码信息隐藏算法。该算法采用m序列对秘密信息进行伪随机加扰,并利用m序列来选取秘密信息在码字载体中的嵌入位置。实验结果表明该隐藏算法具有较好的不可检测性和较高的安全性。     

基于过时反馈的选择协同分集研究

在无线协同通信系统中,由于信道的时变特性,导致中继选择和数据发送时的信道状态信息不同。针对该问题,对基于过时反馈的选择协同策略进行研究。介绍系统模型及基于过时反馈的中继选择过程,推导系统的中断概率闭式结果和高信噪比下的近似逼近结果,通过分集复用折中性能分析得出,过时信道状态信息导致系统的最大分集阶数为2。数值仿真结果验证了理论分析的正确性,并且得到中继选择时的信道状态信息与数据发送的信道状态信息稍有不同,其中断性能就会大大降低的结论。     

一种多用户MIMO系统中有限反馈预编码算法及性能分析

多用户多输入多输出(MIMO)系统中,用户可以通过反馈的方式把信道状态信息(CSI)传递给基站,基站利用该CSI进行预编码或者用户调度,可以有效地提取复用增益。但是传统的反馈方式,反馈量太大,占用过多上行资源。针对收发都是多天线条件的多用户MIMO系统,提出一种基于Grassmannian码本的有限反馈预编码方法,通过对用户信道矩阵进行量化,每个用户仅仅需要反馈一个序号而不是信道矩阵,从而大大减少了反馈量。通过对系统误码率(BER)和吞吐率的仿真,表明了该方法能保证系统性能。同时,由于信道估计存在误差,量化过程存在误差,所以,分析了信道矩阵误差对于新方法性能的影响,得到了系统吞吐率同信道矩阵误差的方差,以及基站发射功率三者的关系,并通过仿真进行验证,从而为评估信道估计和量化过程的优劣提供了理论依据。     

基于信道状态信息的非合作式室内人体运动检测

针对用摄像头、传感器等运动检测手段的设备部署复杂、昂贵、有盲区等缺点,提出一种利用无线保真（WiFi）信号进行人体运动检测的方法。首先,使用无线网卡接收被检测环境中WiFi的信道状态信息（CSI）;其次,使用局部离群因子检测（LOF）算法和Hampel滤波器去除异常的CSI数据;然后,用线性回归算法去除因网卡时钟不同步造成的频移误差,再用主成分分析（PCA）降维和朴素贝叶斯算法分类不同情况下的CSI数据,生成用于判断人体运动状况的模型;最终用生成的模型对人体运动状态进行判断。在实验中该方法能快速判断并达到95.62%的正确率。实验结果表明该方法能很好检测识别人的运动。