[发明专利]一种基于Wi-Fi指纹的定位和活动手势联合识别的交互方法

说明书

本发明公开一种基于Wi‑Fi指纹的定位和活动手势联合识别的交互方法，包括以下步骤：通过Wi‑Fi设备收集Wi‑Fi指纹的位置的CSI数据和活动手势的CSI数据；提取Wi‑Fi指纹的位置的CSI数据的振幅值和活动手势的CSI数据的振幅值，并根据同步时间形成CSI数据的一维采样矩阵；对CSI数据的一维采样矩阵进行预处理，去除其中的环境噪声和高频部分；对预处理后的CSI数据进行分割和上采样，得到Wi‑Fi指纹的位置对应的CSI矩阵和活动手势对应的CSI矩阵；设置一维卷积神经网络模型，对Wi‑Fi指纹的位置对应的CSI矩阵和活动手势对应的CSI矩阵进行特征提取，且对Wi‑Fi指纹的位置对应的CSI矩阵和活动手势对应的CSI矩阵进行联合分类，并得到相应的位置识别和活动手势识别。

技术领域

本发明涉及Wi-Fi通信领域，更具体地，涉及一种基于Wi-Fi指纹的定位和活动手势联合识别的交互方法。

背景技术

使用非穿戴设备实现人体行为感知，即在人体不穿戴传感器情况下自动感知人体的行为动作，是各种应用场景的关键技术，如增强现实游戏，智能家居，远程医疗等。基于视觉和声学信号的传统方法已取得很多的进步，然而，基于计算机视觉的技术受到视线(LOS)路径和潜在泄露人类隐私的限制；基于声音的识别方法的目标是在较短的小波范围内进行感知行为。随着Wi-Fi设备的普及促进了许多基于Wi-Fi的人体感知技术的研究，基于Wi-Fi感知的主要原理是人体的行为在Wi-Fi信号中引入了独特的多路径反射。

虽然在Wi-Fi感知方面有着丰富的研究成果，但现有技术很少将活动手势识别和定位的结合在一起，而这中结合可以大大提高人机交互应用的实用性。

发明内容

本发明提出了一种基于Wi-Fi指纹的定位和活动手势联合识别的交互方法。本发明不需要用户穿戴或依赖任何传感器，只需要利用各种室内分布的Wi-Fi设备，收集Wi-Fi中的CSI信息，再利用深度神经网络算法学习CSI信号中的特征并与预定义的位置和活动进行匹配，获得最佳的深度学习模型，从而实现基于Wi-Fi指纹的位置与活动手势的识别。

为解决上述技术问题，本发明的技术方案如下：

一种基于Wi-Fi指纹的定位和活动手势联合识别的交互方法，包括以下步骤：

通过Wi-Fi设备收集Wi-Fi指纹的位置的CSI数据和活动手势的CSI数据；

提取Wi-Fi指纹的位置的CSI数据的振幅值和活动手势的CSI数据的振幅值，并根据同步时间形成CSI数据的一维采样矩阵；

对CSI数据的一维采样矩阵进行预处理，去除其中的环境噪声和高频部分；

对预处理后的CSI数据进行分割和上采样，得到Wi-Fi指纹的位置对应的CSI矩阵和活动手势对应的CSI矩阵；

设置一维卷积神经网络模型，对Wi-Fi指纹的位置对应的CSI矩阵和活动手势对应的CSI矩阵进行特征提取，且对Wi-Fi指纹的位置对应的CSI矩阵和活动手势对应的CSI矩阵进行联合分类，并得到相应的位置识别和活动手势识别。

本发明的工作原理：通过收集在室内Wi-Fi环境下人体活动所产生的CSI信号；对收集到的CSI信号进行预处理，主要是去除环境噪声；然后对预处理后的CSI信号进行分割提取，使CSI信号中仅包含因人体活动产生的无线电信号信息；最后使用深度神经网络对CSI信号中的指纹特征进行提取和模式匹配，实现位置和活动手势的联合识别。

本发明中，用同步线缆将同步时钟和发射、接收天线连接起来，以作同步时间。

在一种优选的方案中，“提取Wi-Fi指纹的位置的CSI数据的振幅值和活动手势的CSI数据的振幅值”包括以下内容：

通过Wi-Fi设备收集的CSI数据通过下式进行表达：