[发明专利]一种基于时频统计特性的WiFi手势识别

权利要求书

1.一种基于时频统计特性的WiFi手势识别方法，其特征在于，所述方法包括以下步骤：

步骤一、接收CSI数据，并基于所述CSI数据构建CSI幅值与动态传播路径长度变化的数学模型；

步骤二、采用低通滤波器对所述数学模型中的所述CSI幅值进行预处理，滤除高频噪声；

步骤三、采用奇异值分解算法对预处理之后的CSI幅值进行降维处理；

步骤四、采用短时傅里叶变换提取信号的时频信息，基于时频特性提取每种行为的统计特性；

步骤五、通过min-max标准化将特征变换到统一尺度下；

步骤六、利用以kNN算法为例的分类算法对标准化后的信号时频统计特性进行分类判决。

2.根据权利要求1所述的WiFi手势识别方法，其特征在于，所述奇异值分解算法对预处理之后的CSI幅值进行降维处理，去除数据的冗余信息，降低时间开销成本，包括以下步骤：

2a、CSI幅值由30个子载波组成，记为

其中表示手势动作持续时间，|H(f_i,t)|表示第i个子载波信号在t时刻的幅值，首先将矩阵中心化；

2b、计算中心化后的矩阵H_c的SVD分解；

H_c＝U*S*V^T

2c、取S中前r个非零奇异值，最大限度的还原矩阵H_c；

H_c'＝H_c*V(:，1:r)^T

H_c'为降维到维的手势行为特征。

3.根据权利要求1-2任一项所述的WiFi手势识别方法，其特征在于，所述步骤四中，包括以下步骤：

3a、设定窗函数为海明窗，窗口大小为64，傅里叶变换点数为64，窗口重叠点数为52；

3b、对H_c'矩阵的每一行计算手势行为的时频特征，可使每种行为得到对应的时频特征结果矩阵S。

3c、计算时频结果矩阵S每一行的统计特性，构成一个r×length(S)的向量。假设存在M个行为，则时频结果矩阵组成一个M行6×r×length(S)列的统计矩阵H_s，6表示时频结果的六种统计特性，分别是均值、标准差、四分位差、概率分布的0.5、0.683以及0.95的下分位数。其中H_s中的每一行表示一种手势行为的所有特征，而每一列表示所有手势行为的某一种统计特性。