[发明专利]一种基于WiFi信号的生物打字识别方法

权利要求书

1.一种基于WiFi信号的生物打字识别方法，其特征在于：

WiFi设备通过测量信道状态信息(CSI)，来提供关于周围无线信道特征的详细信息，正交频分复用(OFDM)通信将无线信道划分为多个调制的子载波，WiFi设备持续监测这些子载波的CSI值的变化，然后用于实时调整传输功率和速率；

CSI值包含每个发送-接收(TX-RX)天线对之间的每个子载波的频率信道的信道频率响应(CFR)的细粒度信息；

当用户敲击键盘时，手和手指的动作改变了笔记本接收的WiFi信号的相干模式；CSI的测量是以高采样率从每个TX-RX流的多个不同OFDM子载波获得的，每个CSI样本会得到对应的矩阵，细粒度的信息能够获取该打字行为的详细信息。

2.根据权利要求1所述的基于WiFi信号的生物打字识别方法，其特征在于：

从CSI信号的一阶差分(即微分)中提取的输入波形可以被归一化，以提取稳定且一致的输入行为特征；对于具有频率f(或波长λ)的子载波，对应于TX-RX天线对的无线信道的时变CFR可以量化。

3.根据权利要求1所述的基于WiFi信号的生物打字识别方法，其特征在于：

为了实时获取打字的生物识别信息，使用一个基于客户端-服务器的机制，以将从WiFiNIC提取的CSI值传送到基于MATLAB的CSI处理服务器；根据计算到达的CSI数据的一阶差分，然后取其振幅，使用两个分离的缓冲区来批量处理实时的CSI数据，当新的CSI数据到达MATLAB服务器时，缓冲器B1中的CSI数据被持续过滤掉噪声，打字波形检测算法找到B1中持续更新和过滤的CSI数据中任何与打字相关的变化的起点和终点，提取对应于该打字波形的原始数据，对提取的波形使用与数据过滤过程类似的方法单独过滤掉噪声，以最终获得打字行为样本。

4.根据权利要求1所述的基于WiFi信号的生物打字识别方法，其特征在于：

为了消除高频和突发噪声，对CSI时间序列使用了一组低通滤波器，从Wi-Fi NIC收集的CSI流包含突发噪声和尖峰，使用中值滤波器和指数移动平均滤波器的组合来消除CSI时间序列中的这种突发噪声和尖峰。

5.根据权利要求1所述的基于WiFi信号的生物打字识别方法，其特征在于：

打字波形的提取：为了开发鲁棒的打字波形提取算法，采用一个实时的异常检测方法，使用在线的超椭球聚类技术来检测CSI时间序列中的打字事件；令R_k＝{r₁，r₂，...，r_k}为包含降噪时选取的PCA投影的前k个CSI向量的样本集合，每个样本r_i是R^d中的d×1向量，其中d是在降噪时选择的PCA投影的数量，超椭球异常值检测聚集正常的数据点，并且位于该簇外部的点作为异常值，簇的边界与距离度量相关，该距离度量是输入的CSI数据R_k的平均值m_r，k和协方差S_k的函数；超椭球聚类中的距离度量为D_i，其中的簇表示为：

其中e_k是正常数据点集合，其马氏距离满足，D_i＜t，t是超椭球的有效半径，t的选择取决于正常数据点的分布，D_i＞t的数据样本r_i被识别为异常值；

确定打字波形的开始和结束位置，使用检测到的异常值的基数和时间接近度；如果连续异常值的数目超过阈值，就声明一个微事件，多个微事件构成了打字事件；构成微事件的数据点以及连续微事件之间的点被记录为打字波形(合并)的一部分；合并彼此间的数据点内的微事件；在丢弃有噪声的PLC组件之后，将经过滤的多维打字波形投影到剩余的PCA组件上，并且将所有投影的流加在一起以获得最终的打字行为样本。

6.根据权利要求1所述的基于WiFi信号的生物打字识别方法，其特征在于：

波形压缩至CSI图片：在提取输入波形之后，使用DWT进一步压缩提取的输入波形以获得压缩的CSI波形，以构建用户特定的输入行为档案。

7.根据权利要求1所述的基于WiFi信号的生物打字识别方法，其特征在于：

由于每个用户在输入任何短语时都可以有多种打字行为，使用带有动态时间扭曲(DTW)的层次聚类作为特征之间的比较度量，来将训练数据中的合法用户划分为多个不同的簇，以使这些簇中的样本与其他簇之间一致。