基于GD-Kmeans和菲涅尔理论的WiFi手势识别方法

发布时间：2025-04-01 04:50

　　 针对手势动作幅度较小难以被WiFi所感知到问题,利用菲涅尔衍射理论对最佳动作捕获位置进行推理以增强感知。针对在实际应用过程中需要判断手势何时发生的问题,提出基于高斯分布-Kmeans聚类的GD-Kmeans手势定位算法。在采集到包含手势的信道状态信息(CSI)数据后,使用低通滤波和DWT滤波进行数据降噪,通过定位算法对手势进行定位切出,最终基于动态时间规整(DTW)进行模板匹配实现对五种手势的判别,其准确率达到了93%。

【文章页数】：6 页

【部分图文】：

图1 菲涅尔区域示意图

其中，Qn为第n菲涅尔区域的边界点，即第n个菲涅尔区域的位置。信号在传播过程中会产生多条传播路径，将这些路径分为静态路径和动态路径，则接收信号的可以表示为：

图2 系统框架图

本系统的整体框架如图2所示，在接收器采集到包含手势动作的CSI数据之后，相关数据被送入数据处理系统进行处理，系统的数据处理部分主要分为三块，数据首先通过子载波选择、低通滤波和离散小波变换（DWT）组成的预处理模块滤除与动作无关的噪声，通过GD-Kmeans算法对手势进行定位和切割....

图3 降噪效果图

其中，*为复数共轭符号，在本文中选择Symlet作为基本函数ψ，在利用离散小波变换进行去除噪声时，可以调节尺度参数和平移参数实现对CSI时序信号的局部化处理[15]。数据噪声去除前和去除后的比较如图3所示，通过数据噪声去除之后的信号更适合进行动作识别。3.3GD-Kmeans手....

图4 平静时CSI波形的分布拟合

当环境处于平静状态时，CSI数据仅仅受到环境噪声的影响，这种噪声通常为白噪声，换言之，平静状态下的CSI幅值分布应该服从高斯分布。对图3所示的滤波后的波形平静段的数据进行了高斯拟合，结果如图4所示，可以看到，平静时的CSI波形幅值服从高斯分布(X～N(μ,σ2)):当手势动作发生....

本文编号：4038949