基于深度时空神经网络的CSI手势识别方法

刘纤纤, 唐智灵, 黄燕红

(桂林电子科技大学 信息与通信学院,广西 桂林 541004)

随着无线通信及人工智能技术的发展,人机交互技术(human-computer interaction,简称HCI)在人们生活中扮演着越来越重要的角色。传统的人机交互方式包括键盘鼠标操作、触屏感知及语音识别等,但这些交互方式都存在弱点,如鼠标键盘需要额外的硬件设备,不方便携带;触屏感知需要接在显示屏上操控,这限制了其应用范围;语音识别在操作过程中会产生声音而影响他人,也容易泄露信息,不具备安全性。与这些设备相比,通过感知手势对无线信道影响的手势识别技术具有独特的优势。

接收信号强度指示(received signal strength indicator,简称RSSI)和信道状态信息(channel state information,简称CSI)是WiFi信号的2种重要物理特性。WiFi信号在空中传播时会受到障碍物的影响而产生反射、直射和散射等现象,导致无线信号的衰落;而环境因素的改变在不同时刻会对RSS产生不同程度的影响。基于WiFi的定位[1]、人体活动检测[2]、步态识别[3]、唇语识别[4]、手势识别等采用RSS作为无线信道度量。因为RSS的获取无需额外设备,所以利用RSS 信息识别手势具有普适性。但RSS受到多径的影响使识别结果精确度降低,且RSS对测量较敏感。若利用CSI,则能揭示信号传播的细粒度信息,包括每个子载波上的多个路径的不同时间延迟、幅度衰减和相移。利用CSI数据提供丰富的幅度和相位信息,对运动物体进行感知会有更精细的分辨率。通过分析由手势运动引起的CSI变化来识别手势动作,其优势在于无需用户携带任何设备,不受光线强弱影响等限制,不会泄露隐私,精度高,成本低,易部署。……