程敬松 徐金鵬 吳亞昕

摘 ?要：隨著IOT以及移動設(shè)備的發(fā)展，越來越多的智能設(shè)備進入人們的日常生活生產(chǎn)中，并且硬件技術(shù)不斷發(fā)展使得高級人機交互成為可能，對于人機交互技術(shù)在不斷的在現(xiàn)代設(shè)備中被應用，人機交互被越來越多用戶接受，但是對于手勢控制類大部分需要在人體安裝傳感器或者需要昂貴外置設(shè)備而被少量用戶接受，基于csi的非接觸式動作捕捉成為研究熱點該技術(shù)的，其基本原理是基于CSI手勢識別技術(shù)。本文主要全面回顧了基于CSI手勢識別技術(shù)并提出這一領(lǐng)域中面臨的問題。

關(guān)鍵詞：WIFI;信道狀態(tài)信息;手勢識別

1.引言

隨著IOT以及移動設(shè)備的發(fā)展，越來越多的智能設(shè)備進入人們的日常生活生產(chǎn)中，并且硬件技術(shù)不斷發(fā)展使得高級人機交互成為可能，人機交互技術(shù)在現(xiàn)代設(shè)備中被應用，被越來越多用戶接受，但是對于手勢控制（動作捕捉）類大部分需要在人體安裝傳感器或者需要昂貴外置設(shè)備而被少量用戶接受，因此基于csi的非接觸式動作捕捉成為研究熱點。本文主要全面回顧了基于CSI手勢識別技術(shù)，將有重要進展的CSI手勢識別技術(shù)進行比較并總結(jié)出這一領(lǐng)域中面臨的挑戰(zhàn)與發(fā)展趨勢。

文章主要包括手勢識別的兩種方法：幾何方法和基于指紋方法。幾何方法中包括基于角度方法和基于距離的方法?；诮嵌确椒ǎ和ㄟ^測量待測物體與AP之間的角度通過幾何方法得到相對位置從而確定空間位置;基于距離方法通過一定方法得到待測物體與AP之間的距離從而確定位置?；谥讣y方法：先訓提取空間中各個位置上特征，建立指紋庫，再將分類算法/網(wǎng)絡(luò)用于實時信號從而估計移動端位置。

對于使用WIFI實現(xiàn)手勢識別技術(shù)有粗粒度估計和細粒度估計。對于粗粒度使用物理層的收的信號強度指示，其計算復雜度低并且位于無線網(wǎng)絡(luò)的發(fā)送層適用性廣，成本低以及的功和的特點而被使用。然而其測量值一般不包括天線增益或傳輸系統(tǒng)的損耗參數(shù)結(jié)合其易受干擾的特點盡可做到粒度在1-2m相對精度的測距，并不適合細粒度如動作捕捉的測量。對于細粒度估計：因其可提供一條通信鏈路的信道屬性，反映了信號在每條傳輸路徑上的衰減因子，各信道子載波相位和幅信息，信道狀態(tài)信息逐漸進入進入研究人員的視野，并且隨著OFDM系統(tǒng)和MIMO系統(tǒng)的應用，可修改通過修改驅(qū)動從商用WIFI網(wǎng)卡緩存數(shù)據(jù)中提取出CSI信息。因此研究人員可以更好的描述信號的傳播路徑。

但CSI研究時間較短，本文可用于

1.了解現(xiàn)有基于CSI手勢識別技術(shù)的常見方法原理

2.為科研人員提供基于CSI的手勢識別技術(shù)的待研究方向

2.文章結(jié)構(gòu)

第一章：引言

第二章：文章結(jié)構(gòu)

第三章：CSI中包含信息以及參數(shù)處理

第三章：基于CSI的手勢識別技術(shù)基本原理

第五章：總結(jié)

3.CSI中包含信息以及參數(shù)處理

正交分頻符用（OFDM）技術(shù)將無線信道分成若干彼此正交的子信道。將子數(shù)據(jù)流調(diào)制到正交子信道中傳輸，每個子數(shù)據(jù)流成為子載波。其在頻域范圍內(nèi)將一新到劃分為若干通信子信道，這些信道之間彼此線性正交經(jīng)過子載波調(diào)制將低速數(shù)據(jù)流數(shù)據(jù)流劃分成子數(shù)據(jù)流經(jīng)由D/A轉(zhuǎn)換后成為告訴子載波在傳輸介質(zhì)中傳輸數(shù)據(jù)，接受時為發(fā)送逆過程。

通過OFDM調(diào)制后的子載波向空間中發(fā)射射頻信號，在傳播過程中經(jīng)多徑疊加后在接收端接收信號能量強度不同（表現(xiàn)在頻率和振幅等指標）

4.基于CSI的手勢識別技術(shù)方法

4.1使用幾何方法的基于CSI識別技術(shù)

4.1.1 基于角度方法

通過角度測量技術(shù)可以很好地應用于CSI識別。可通過在WIFI設(shè)備的CSI數(shù)據(jù)中的時間戳信息，從而確定待測物體所在方位【1】（ARMA譜分析、最大似然法、熵譜分析法和特征分解法，特征分解法主要有MUSIC算法【2】）、ESPRIT算法WSF算法等等識別方法一下簡要介紹AOA和TDOA方法原理

4.1.1.1 ?AOA 基本原理（MUSIC算法）

AOA識別方法，主要測量待測物體和發(fā)射/接收端之間的角度，進而轉(zhuǎn)換為三角問題來解決。

2013年，Xiong J等?！?】實現(xiàn)了用于CSI室內(nèi)識別的ArrayTrack硬件平臺。，識別精度為30-50厘米。2013年，Gjengset等【3】提出了Phaser system，平均定位識別誤差小于1 m。2019年，郝占軍等【4】通過優(yōu)化MUSIC算法（Dropper-MUSIC方法）獲得多普勒頻移使用并改進三遍識別質(zhì)心算法。以上文章說明一定程度上由于射頻天線數(shù)量的限制以及外界因素的不缺定性從而對多徑效應的影響使得CSI的相位信息的有效性降低，但在不同環(huán)境中仍需大量訓練才可得到高準確度的CSI數(shù)據(jù)，因此在估計AOA問題上仍任重而道遠。

基于CSI的AOA估計主要利用AP上每個天線接收到的信號的相位差之間的明確關(guān)系。通過增加天線的數(shù)量，可以減輕多徑效應的影響。但是，當前的商用Wi-Fi通常沒有配置更多的天線，并且所利用的CSI相位信息的有效性將直接影響識別結(jié)果的準確性。

4.1.2 基于范圍方法

該方法將預處理的CSI數(shù)據(jù)提取空間特征計算待測物體距離，可首先測距（可用方法：信號線性損耗隨距離關(guān)系計算方法，對數(shù)距離路徑損耗模型【4】，衰減因子模型和MK模型【5】）

4.1.2.1 ?信號線性損耗隨距離關(guān)系計算方法

其中，M 是雙曲線上一點，F(xiàn)1和F2分別是雙曲線的兩個焦點，2a 是兩焦點之間的距離。那么，根據(jù)公式（2-2）可以得出：未知節(jié)點 M 就在以兩個已知節(jié)點 A，B 的位置為焦點，距離差是 2a 的雙曲線上。同樣的，根據(jù)另外一個已知節(jié)點 C，同樣可以在確定2條雙曲線，就這樣，兩個雙曲線的交點即為未知節(jié)點 M 的位置。