[发明专利]一种基于时频统计特性的WiFi手势识别

说明书

本发明公开了一种基于时频统计特性的WiFi手势识别方法。首先，利用Intel5300网卡接收手势数据，提取信道状态信息(Channel State Information，CSI)幅值数据并构建CSI信号幅值与动态传播路径长度变化的数学模型，证明CSI幅值用于手势识别的有效性；其次，对CSI幅值数据通过低通滤波器预处理，降低环境噪声比如随机噪声所带来的干扰；然后，将去噪后的幅值信号通过奇异值分解(Singular Value Decomposition，SVD)算法进行降维，去除数据的冗余信息，降低时间开销成本；随后，通过短时傅里叶变换(Short‑Time Fourier Transform，STFT)提取信号的时频特征，将时频特征经过统计特征提取与特征标准化的处理得到可用于分类的统计特性；最后，利用以k‑邻近(k‑Nearest Neighbor，kNN)为例的分类算法对手势进行分类判决。本发明能够有效分类并识别手势特征，解决了在室内复杂环境下对手势的识别问题。

技术领域

本发明属于通信技术领域，具体涉及在一种时频统计特性的WiFi手势识别方法。

背景技术

随着二十一世纪科学技术的飞速发展和计算机的普及，人机交互技术(Human-Computer Interaction，HCI)已经成为了众多国家重点关注和研究的对象，所谓人机交互，是指用户与计算机设备之间通过电脑硬件、行为动作、声音等预先指定的交互方式去完成指定的任务，从而产生信息交换的过程。如今，人与计算机之间的交互活动越来越密切，交互方式影响着交互难易程度和交互效率。传统的人机交互方式为鼠标、键盘、手柄、数据手套等额外输入设备，不符合人类常规的交流习惯以及在灵活性和实现精确控制方面存在一定的限制。随着技术的发展，视觉、语音、触觉、力觉等新型的交互方式成为研究的热点，而手势作为视觉的基本特征之一，是最方便与自然的交互方式。

目前常见的3类手势识别系统分别为基于可穿戴传感设备的手势识别系统、基于计算机视觉的手势识别系统、基于射频信号的手势识别系统。其中可穿戴传感设备起步很早，迄今已经非常成熟，但需要佩戴如数据手套、臂环、加速度传感器等传感设备获取相应的参数，造成使用者的不方便；基于计算机视觉的系统利用摄像头获取用户手势行为，将手势识别问题转换为图像处理的问题，对检测目标的关键位置信息进行姿态参数化，从而完成目标的检测与跟踪识别，但只能在光线比较充足的环境下运作，在夜晚和昏暗的场景下识别率低，普及性差。

发明内容

本发明的目的是提供一种时频统计特性的WiFi手势识别方法，能有效对手势行为进行分类判决。

本发明所述的基于时频统计特性的WiFi手势识别，具体包括以下步骤：

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、所述步骤一中接收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，包括：

2a、接收的CSI数据，所述CSI数据包括静态传播路径P_s和动态传播路径 P_d之和，第j个子载波在t时刻接收机处所叠加的路径响应如下：