基于CSI的空中手写数字识别方法

作者：党小超; 殷杰; 郝占军^*; 乔志强

来源：传感器与微系统, 2022, 41(09): 29-33.

DOI：10.13873/J.1000-9787(2022)09-0029-05

• 空中手写
• 信道状态信息
• 注意力机制
• 双向循环神经网络

针对传统设备无关的手势识别方法中存在受环境影响大、成本高等问题，提出一种空中手写数字识别方法，即AirNum方法。将提取WiFi中的信道状态信息(CSI)信号，经巴特沃斯低通滤波降噪、主成分分析(PCA)降维处理后，使用滑动窗口提取特征值得到手写信息的特征序列，将其输入基于注意力机制的双向循环神经网络(BRNN)模型训练，并使用SoftMax函数进行分类。实验证明：在实验室及空旷教室环境下，该方法可以有效识别手写信息，平均识别精度达到93.7%,与卷积神经网络(CNN)方法、支持向量机(SVM)方法、决策树方法相比，具有更好的识别精度和鲁棒性。

• 单位
  西北师范大学