【技术实现步骤摘要】
一种基于WiFi信号的手势识别方法
本专利技术涉及无线通信和人工智能识别
，具体是一种基于WiFi信号的手势识别方法。
技术介绍
随着无线通信及人工智能技术的发展，手势识别正成为智能家居自动化和人机交互的重要支柱，而且手势识别对于家庭自动化中的许多其他新兴应用具有很大潜力，例如，调节温度和亮度等级，以实现个性化的热舒适性，以及家用设备的远程控制。现在已有研究提出利用可穿戴设备对人体的活动进行识别，然而由于可穿戴设备比较昂贵且携带不方便，此方法并未受到广泛的推广。有研究基于视觉系统提出使用RGB摄像头和红外深度定位摄像头来实现手势识别，虽然它们的识别准确度令人满意，但是有利的照明条件和潜在的隐私问题的需求阻碍了它们的普及实施。也有利用WiFi的信道状态信息CSI来实现手势识别，但大多数都是利用传统的机器学习来搭建识别系统，数据去噪和训练过程繁琐且需要专业知识，手势分类器是通过使用KNN等算法，达到一定的识别效果，但传统的机器学习技术在提取各种手势相关的代表性特征时需要人为操作，这将导致识别精度降低。所以需要一个无穿戴设备且方法简单的WiFi手势识别方法。专利技...
【技术保护点】
1.一种基于卷积自编码的WiFi手势识别方法，其特征在于，包括如下步骤：S1、收集10种手势的WiFi信道数据；S2、从收集的手势WiFi信道数据中提取Ntx*Nrx*30的3维CSI矩阵；S3、对提取出来的CSI矩阵数据进行数据预处理；S4、对预处理后的CSI矩阵进行特征提取及重构，构造成卷积自编码器可以处理的矩阵形式；S5、搭建卷积自编码器模型，对S4中获得的矩阵进行特征提取，并进行手势分类识别。
【技术特征摘要】
1.一种基于卷积自编码的WiFi手势识别方法，其特征在于，包括如下步骤：S1、收集10种手势的WiFi信道数据；S2、从收集的手势WiFi信道数据中提取Ntx*Nrx*30的3维CSI矩阵；S3、对提取出来的CSI矩阵数据进行数据预处理；S4、对预处理后的CSI矩阵进行特征提取及重构，构造成卷积自编码器可以处理的矩阵形式；S5、搭建卷积自编码器模型，对S4中获得的矩阵进行特征提取，并进行手势分类识别。2.根据权利要求1所述的一种基于卷积自编码的WiFi手势识别方法，其特征在于，步骤S3中，所述的预处理，包括如下步骤：S3-1、提取CSI子载波的幅度值：提取得到的CSI矩阵为1×3×30的3维矩阵，其中1×3表示一根发射天线和三根接收天线，30表示每一路包含30个子载波。先对其进行降维处理成3×30的2维矩阵，原CSI矩阵中的每个元素为复数，将当前环境下接收到的无线信道模型表示为：Y＝HX+N(1)公式(1)中，X表示系统中路由器的发射信号向量，Y表示接受到的无线信号向量，H表示信道增益矩阵，N为系统中的噪声向量，一般表示为高斯白噪声；求得信道状态信息H的表达式为：公式(2)中，为CSI的计算表达式，为一个复数矩阵，则求得第k个子载波H(k)的幅度和相位的表达式为：H(k)＝||H(k)||ej∠H(k)(3)公式(3)中，||H(k)||表示第k个子载波的幅度，ej∠H(k)表示第k个子载波的相位；S3-2、对提取的CSI子载波的幅度值进行巴特沃斯低通滤波：利用巴特沃斯滤波器滤除CSI幅值中的大部分高频分量；S3-3、对滤波后的CSI子载波幅度进行小波变换，进一步去除高频噪声，得到包含少量噪声的低频CSI子载波幅度。3.根据权利要求1所述的一种基于卷积自编码的WiFi手势识别方法，其特征在于，步骤S4中，所述的对预处理后的CSI矩阵进行特征提取及重构，构造成自编码器可以处理的矩阵形式，经过预处理后，利用时间窗口Δt获取CSI子载波中因手势动作而导致的信道状态信息变化的部分的子载波，然后取滑动窗口中波形的平均绝对偏差作为卷积自编码器的输入特征，具体包括如下步骤：S4-1、对S3-3获得的低频CSI子载波幅度值画图并进...
【专利技术属性】
技术研发人员：唐智灵，刘纤纤，杨爱文，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。