基于PHY层的手势身份识别技术研究

作者：郭梦丽; 许勇; 何昕; 陈锡敏; 李凤妹; 方群

来源：计算机与数字工程, 2022, 50(10): 2252-2258.

• WiFi感知
• 信道状态信息
• 残差网络
• 非接触式人体识别

随着WiFi基础设施的广泛部署，使得WiFi成为继RSSI（接收信号强度指标）之后强大的无线传感介质。通过对CSI（信道状态信息）的收集和处理，可以逐步描摹人类活动。然而，这种WiFi感知的解决方案也伴随着识别规模扩大、识别准确率极度下降，以及CSI信息固有的与域（环境和方向）相关的问题。论文提出了一种基于残差网络的深度学习WiFi感知方法。首先，通过两个设计的残差块自动提取预处理后的CSI信号特征，解决了细腻度手势特征提取困难和特征不足的问题。其次，网络结构简单，识别单个用户仅需0.59389ms。最后，我们在两种环境中验证了模型的有效性。在简单的办公环境和复杂的标准实验室场景下，2人～8人的识别准确率分别达到97.86%～100%和97.2%～99.35%。在跨域识别方面，论文提出的模型对预处理后的信号域敏感度较低，在复杂的实验室环境下，15人的分组仍然可以达到92%以上。

• 单位
  安徽师范大学