[发明专利]一种基于CSI的细粒度手势识别方法和系统

权利要求书

1.一种基于CSI的细粒度手势识别方法，其特征在于，所述方法包括以下步骤：

基于信道状态信息的特征值判断至少一个笔画手势的多个维度的起始点、终结点、速度、方向和/或笔画拐点；

基于所述笔画手势的起始点、终结点、速度、方向和/或笔画拐点将笔画分类并形成笔画序列；

基于自然语言规律和/或科学语言规律中笔画的出现频率和/或所述笔画之间的衔接规律构建笔画转移模型；和

利用所述笔画转移模型将所述笔画序列划分并识别为符合自然语言规律和/或科学语言规律的字母序列、偏旁部首序列、数字序列和/或图形序列，

其中，所述笔画手势的方向的判断步骤包括：

以线性变换方法消除相位偏移；

基于信号到达时间选择不具有多径影响的信号；

构建CSI数据矩阵并确定信号入射角度；和

基于所述信号入射角度、信号路径以及笔画手势位移确定所述笔画手势的速度方向；

其中，以线性变换方法消除相位偏移的方法为：

第i个子载波的测量相位为：

为真实相位，δ为信号接收端相对于信号发射端的时钟偏移，其对应产生的相位偏移是β是位置常熟相位偏移，Z是测量噪声，K_i是第i个子载波编号，N为FFT的大小；

定义

在子载波的频率对称的情况下，即则b简化为从测量相位中减去线性项ak_i+b，消除由δ和β引起的相位偏移，得到不含有噪声Z的真实相位的线性组合，即

2.如权利要求1所述的基于CSI的细粒度手势识别方法，其特征在于，所述方法还包括以下步骤：

基于自然语言规律和/或科学语言规律的逻辑顺序构建勘误模型，

所述勘误模型基于所述逻辑顺序检测并更正所述字母序列、偏旁部首序列、数字序列和/或图形序列，并且将所述字母序列、偏旁部首序列、数字序列和/或图形序列识别为有序排列的单词、字、数字编码和/或图形。

3.如权利要求2所述的基于CSI的细粒度手势识别方法，其特征在于，所述方法还包括以下步骤：

建立信道状态信息的变化模式与笔画之间的映射关系，

基于所述信道状态信息的变化模式确定对应的初始笔画，

基于所述初始笔画的起始点、终结点、速度、方向和/或笔画拐点判断相邻的初始笔画之间的连接关系，从而根据所述连接关系确定真实笔画以及所述真实笔画的笔画类别。

4.如权利要求3所述的基于CSI的细粒度手势识别方法，其特征在于，所述方法包括以下步骤：

基于所述笔画手势的起始点、终结点、笔画时间、速度、方向和/或笔画拐点确定所述笔画的多维度的笔画轨迹，

基于所述笔画轨迹与所述初始笔画的匹配程度确定真实笔画及其笔画类别。

5.如权利要求4所述的基于CSI的细粒度手势识别方法，其特征在于，

在所述笔画轨迹与所述初始笔画的匹配程度不小于预设阈值的情况下，确定所述初始笔画为真实笔画；

在所述笔画轨迹与所述初始笔画的匹配程度小于预设阈值的情况下，采用机器学习方法基于所述笔画手势的起始点、终结点、速度、方向和/或笔画拐点进行笔画分析，确定真实笔画并将笔画分类。

6.如前述权利要求之一所述的基于CSI的细粒度手势识别方法，其特征在于，所述信道状态信息的特征值的提取步骤包括：

采集至少一个子载波的第一信道状态信息，

以降噪和/或切片的方式将所述第一信道状态信息处理为第二信道状态信息；

对所述第二信道状态信息进行多维度测量；

校正所述第二信道状态信息；和

提取所述第二信道状态信息变化的特征值。

7.如权利要求6所述的基于CSI的细粒度手势识别方法，其特征在于，所述第二信道状态信息变化的特征值的提取步骤包括：

将至少一个所述第二信道状态信息进行逆傅立叶变换，

利用离散小波变换方法提取至少一个笔画手势的特征值。