基于CSI的手势识别方法研究

针对传统手势识别方法中存在的易受环境光线影响、用户需携带设备、部署代价高等不足,提出基于信道状态信息的手势识别方法(HandFi),以空中手写10个阿拉伯数字的独特书写模式引起CSI波形变换为基础,引入衡量当前室内环境变化的指标,来表征室内人数变化时子载波波动程度的变化,使用巴特沃斯低通滤波和主成分分析去噪,并利用小波...     

一种基于CSI的轻量级行为识别方法

为实现轻量级行为识别,弥补现有基于CSI(Channel State Information)行为识别方法中需要预先训练阶段和仅适用于单人场景的不足之处,对此提出一种新的行为识别方法。该方法以室内信号传播模型中人运动速度与CSI频率间存在的关系为基础,将信号进行移动平均滤波和巴特沃斯低通滤波处理后,利用小波变换提取信号时频域特征并设计识别算法实现了行为识别。现实环境的实验结果证明,在损失少量准确率的情况下,该方法可实现一种无训练、两人场景下的行为识别。     

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...     

NWI:基于CSI的非视距信号识别方法

由于室内环境复杂多变和多径效应对WiFi传播信号的影响,因此产生了大量的非视距路径,导致信号严重衰落,通信链路质量恶化,造成应用识别精度不高、实现系统复杂等问题。文中提出了一种基于CSI的非视距信号识别方法NWI(NLOS recognition based on Wavelet Packet Trans form Identification),主要用于对WiFi的物理层信息——CSI信号进行特征提取,识别当前链路中是否存在遮挡。所提方法对CSI信号的幅值进行三层小波包分解,分别提取第3层8个频段的小波包系数、小波包能量谱、信息熵和对数能量熵作为特征向量,利用支持向量机进行分类,从而识别出非视距信号。相比其他方法,该方法无须对CSI信号进行预处理,最大程度地保留了环境对传播信号的影响,更真实地反映室内环境。实验结果表明,该方法在动态环境中的识别精度为96.23%,在静态环境中的识别精度为94.75%,证明了基于小波包变换的CSI信号特征提取方法能够有效识别非视距信号,具有较高的识别精度和普适性。     

一种基于CSI的高鲁棒性步态识别方法

针对目前的室内人员步态识别方法存在计算量大、设备成本高、鲁棒性低等问题,提出一种基于信道状态信息的高鲁棒性室内人员步态识别方法WiKown。通过快速傅里叶变换设置能量指示器监测人员行走行为,将采集的CSI步态数据经滤波与降噪处理后以滑动窗口的方式提取特征值,得到人员步态的CSI信息后建立观测序列,最后通过高斯分布叠加拟合后引入隐马尔科夫模型计算观测序列概率,生成步态参数模型。在走廊、实验室和大厅真实多人环境中,WiKown方法对单人步态的平均识别率达到92.71%。实验结果表明,与决策树、动态时间规整和长短时记忆网络方法相比较,该方法能有效地识别出人员的步态信息,提升了识别精度和鲁棒性。     

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%。     

一种基于CSI和RSSI的混合指纹定位方法

针对现有的基于WiFi的位置指纹定位方法精度低、计算复杂度高的问题,提出了一种基于 CSI和RSSI的混合位置指纹定位方法MixedFi(A Mixed Fingerprint Localization Based on CSI and RSSI)。该方法在离线阶段结合了传统的接收信号强度RSSI(Received Signal Strength Indication)与细粒度的信道状态信息CSI(Channel State Information)并将其作为原始位置指纹,有效利用各个接入点AP(Access Point)的信号特征信息,在线阶段引入空间聚类划分的思想对RSSI指纹地图进行合理划分,降低指纹空间的搜索时间。再通过主成分分析法PCA(Principal Component Analysis)提取CSI指纹特征,最后利用Kendall阶次相关系数自主选择近邻进行加权估计得到最终节点定位结果,解决了传统K近邻KNN(K Nearest Neighbors)方法定位精度低的问题。实验表明,与现有的基于单一指纹的定位方法相比,本文提出的方法有效降低了计算的复杂度?提高了定位精度。     

基于多天线判决的CSI高效人体行为识别方法

人体运动和行为分析成为普适计算中一个新兴的研究领域,针对目前行为识别方法成本高、精度低等问题,提出一种基于多天线联合判决的信道状态信息(CSI)高效人体行为识别方法(MADR).所提方法分为三步:数据处理、特征提取、动作行为分类.首先,针对原始信号易受环境、设备干扰问题,该方法注重数据处理过程,分别使用Hampel、低...     

基于CSI与IMU的室内行人导航定位系统研究

信道状态信息（Channel State Information,CSI）是一种WLAN物理层信息,具有更加细粒度的特征,在WLAN无线指纹定位模型中采用CSI作为指纹向量可以更好地避免多径效应的影响,达到较高的定位精度。但是从商用无线设备中采集的CSI噪声较大,因此提出一种基于离散小波变换的降噪方法对CSI进行预处理,然后建立CSI位置指纹数据库,采用WKNN算法进行在线匹配定位。基于IMU的行人航位推算方法是一种完全自主的导航方法,具有短时精度高的优点,但经过长时间积分运算会导致累积误差,影响定位精度。结合两种方法的定位特点,提出一种基于扩展卡尔曼滤波器的融合定位模型。此外,传统的步态探测模型易出现误探测现象,在峰值法基础上提出一种动态阈值法,有效提高了探测精度。通过实验验证,在办公室内行人行走轨迹的平均定位精度达到0.23m,而且与纯惯性导航解算轨迹相比,融合定位算法解算轨迹与实际行走轨迹匹配度更高。     

基于CSI的日常行为识别方法

针对现有依靠穿戴设备、雷达和视频图像人体行为感知的方法对环境要求高,成本高,且不利于保护隐私等问题,提出一种基于信道状态信息无设备且低成本的日常行为识别方法.通过商用WiFi设备采集原始CSI数据,在无需信号进行去噪处理的情况下通过提取原始CSI最大程度能提高识别精度的三阶累积量特征,应用基于互信息的特征选择算法(MI...     

基于CSI与SVM回归的室内定位方法

为研究室内定位技术在复杂环境中的应用,以楼梯和实验室为实验场景,提出了一种基于信道状态信息(CSI)与SVM回归的室内定位方法.该方法通过基于密度的空间聚类方法(DBSCAN)去除信号噪声,并用主成分分析法(PCA)提取贡献最大的指纹特征,同时降低CSI指纹的维度.通过SVM回归建立CSI指纹与目标位置之间的非线性关系...     

一种基于CSI相位差的手势识别方法

随着人机交互(HCI)技术的发展,人体行为的感知和分析成为实现更高层次人机交互的重要一环,尤其是实现与位置无关的手势识别。针对目前基于信道状态信息(channel state information,CSI)的手势识别方法局限于中心链路的问题,提出基于CSI相位差的手势识别方法,充分利用多径效应和空间多样性,识别中心链路和非中心链路上的微弱手势信号。由于CSI相位受时钟不同步和硬件缺陷的影响无法反映环境的变化,采用线性变换算法对其进行校准,并借助MIMO(multiple-input multiple-output)技术获得相位差。在此基础上,利用Hampel滤波器和Savitzky-Golay滤波器滤除异常点和环境噪声。由于频率多样性,根据平均绝对偏差(MAD)选择变化最大的子载波,之后利用动态时间规整(DTW)算法对手势进行分类。实验结果表明,该方法能有效识别中心链路和非中心链路上的微弱手势信号,实现了与位置无关的识别;在中心链路和非中心链路上分别以90%和86.5%的准确率识别6种手势,所需样本量小,识别时间短。     

基于CSI的行为识别研究综述

近年来,无线信号在行为识别、定位和目标检测等方面的应用取得了一系列突破性的研究成果,对智能家居、视频教学、虚拟现实、家庭娱乐等具有很强的理论研究意义和实用价值,是智能人机交互的基本研究内容。首先回顾了传统的动作识别研究成果,并介绍了CSI的基本特性与获取方法,然后对动作检测、特征提取和动作分类等相关算法进行了归纳和分析,总结并讨论了基于CSI的相关领域取得的最新研究成果,最后指出了目前研究的局限性与可能的发展方向。     

LipSense:基于CSI相位差的自适应唇语识别方法

针对目前基于CSI幅度的行为识别方法对细粒度动作不敏感及传统的动作分割算法存在动作起止点判断不准确的问题,提出了一种基于相位差的自适应唇语识别方法。首先,利用MIMO系统的空间分集,构造出对细粒度动作更敏感的相位差信号,解决了细粒度动作感知不易的问题;然后利用OFDM子载波的频率分集来补偿小尺度衰落效应,以增强信号的空间感知能力;再次,通过研究唇语信号独特的变化模式,提出基于迭代方差曲线的自适应唇语分割模型;最后设计用于表示和匹配唇语特征的识别技术。在真实环境下的实验表明,所提方法在单人情况下平均识别精度达到94.3%,三人的综合识别准确率可达85.7%。在实验者佩戴金属饰品、网络被他人共享、以及周围有人移动等对比实验下,系统仍能实现较高的准确率。     

基于不同视角的人脸模型识别方法

对在不同视角下,得到的人脸模型,文中提出一种基于人脸表面的识别方法,采用平面射影变换,将人脸的图像变换到一个相同的图像,使图像对齐;而后运用主成分分析法(PCA)进行分类。基于这种方法,由光线、面部表情、姿态的改变引起的不必要变化就可能被消除或可以忽略。这种方法可以达到比较准确的识别人脸的目的。实验结果显示,文中的方法对人脸模型提供了更好的表达,并且人脸识别的错误率更低。     

基于不同视角的人脸模型识别方法

对在不同视角下，得到的人脸模型，文中提出一种基于人脸表面的识别方法，采用平面射影变换，将人脸的图像变换到一个相同的图像，使图像对齐；而后运用主成分分析法（PCA）进行分类。基于这种方法，由光线、面部表情、姿态的改变引起的不必要变化就可能被消除或可以忽略。这种方法可以达到比较准确的识别人脸的目的。实验结果显示，文中的方法对人脸模型提供了更好的表达，并且人脸识别的错误率更低。     

基于3D卷积神经网络的CSI跨场景手势识别方法

手势识别在人机交互中有着广泛的应用前景,近年来随着无线通信与物联网的飞速发展,几乎任何地方都部署了WiFi设备,并涌现了大批关于WiFi信道状态信息(Channel State Information,CSI)的手势识别方法,目前大多数基于CSI手势识别的研究仅针对了已知场景下的手势识别研究,对于未知场景,需要增加未知...     

基于CSI的摔倒检测系统

摔倒是老年人受到伤害的主要原因,现有的解决方案是基于可穿戴式摔倒警报传感器,但是老年人不佩戴它们就不能起作用.针对这类情况,提出了基于信道状态信息(CSI)的摔倒检测系统.在室内环境中,运动的物体会时刻改变无线信号的传播路径,其影响结果会体现在信道状态信息数据中.系统通过对接收信号进行预处理、异常片段提取和特征提取等操...