基于CRNN的CSI动作识别

丁文超，张俊宝，阴庚雷

(中原工学院 计算机学院，河南 郑州 450007)

0 引 言

随着Wi-Fi技术的发展以及相关硬件价格的下降，生活中各种场所几乎均有Wi-Fi信号的存在。Wi-Fi信号不仅能传输数据，利用其信道状态信息还能进行人体动作识别[1]。

传统的动作识别需要借助如加速度计、陀螺仪等接触式传感设备[2]对用户进行监测来识别用户的动作，又或者是借助摄像头等非接触设备的基于视觉[3]的动作识别。相较于传统的识别方式，基于CSI的动作识别利用的是环境中广泛存在的Wi-Fi信号，具有不依赖特殊传感器、成本低、易扩展、不存在隐私泄露等优点。

但是当前应用大部分都依赖于手工选择子载波，构建分类特征。因此，该文提出一种基于学习的识别方法，无需专业知识构建Wi-Fi传播模型，即可进行训练识别。

1 相关工作

由于采集数据时网卡报告了多组子载波的CSI，且不同的子载波对于环境变化的敏感度不同，所以要选取合适的子载波来提取CSI数据。WiFall[4]将30组子载波上的CSI取平均值作为训练数据来检测摔倒动作的发生。LBR[5]选取CSI方差第二大的子载波作为有效子载波来提取CSI。上述方法均根据某个统计值来选择子载波，需要大量的时间研究数据从而选择合适的统计特征。该文提出一种基于SOM[6]聚类的子载波选择方法。相同的动作，某个子载波上的CSI数据聚类生成多个簇，则说明CSI存在多种变化模式数据间差异较大，数据采集过程中该子载波易受环境干扰。因此对于每个动作，该文选取所有子载波聚类后生成簇较少的子载波作为有效子载波。……