科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前的WiFi手势识别技术对手势估计不准确、受噪声影响较大和特征提取不充分等问题，文章提出了一种基于菲涅耳区和深度学习的识别方法。该方法主要分为三个阶段：模型搭建、数据预处理和手势分类。模型搭建阶段通过菲涅耳区定量了手势运动与信号波动模式之间的精确关联，进而确保了对手势的精准估计；数据预处理阶段通过天线之间的商模型、离散傅里叶变换、Hampel滤波器和离散小波变换进行平滑滤波处理，保证了振幅和相位信息的质量；手势分类阶段利用建立的深度神经网络模型，从所有链路的子载波信息中自动提取并筛选出时空域特征，最后用Softmax函数实现手势识别。实验证明，该方法能够达到96%的识别准确率，在不同的实验环境下具有较高的鲁棒性。
-
单位徐州工程学院; 中国矿业大学; 中国矿业大学（北京）
