[发明专利]一种基于时频统计特性的WiFi手势识别

摘要

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。

主权项

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。