随着计算机技术的迅速发展,人机交互技术对人类的生活具有重要的意义。人体行为动作以其方便和简单的优点成为人们广泛关注的人机交互方式,因此动作识别受到研究者们的广泛关注。目前,传统动作识别技术主要包括了基于计算机视觉的动作识别技术、基于传感器的动作识别技术和基于射频的动作识别技术。基于计算机视觉的动作识别技术有泄露使用者隐私的风险,无法在非视距场景下工作,并且对光照强度等环境因素敏感。基于传感器的动作识别技术需要使用者携带设备使用,不方便携带。基于射频的动作识别技术需要使用特制的硬件设备,价格昂贵并且技术开销大,难以广泛地部署。针对传统的动作识别技术的问题,研究者们提出基于Wi Fi的动作识别技术,利用Wi Fi信号进行动作识别。该技术可以应用于非视距场景下,不存在泄露隐私的风险,不需要特制的硬件设备,使用者无需携带设备,仅通过商用的无线网卡发送Wi Fi信号。Wi Fi信号在传播过程中产生多径效应,可以描述环境的变化,对多径信号提取信道状态信息（Channel state information,CSI）用于环境感知,CSI是一种细粒度信息,更细粒度地描述Wi Fi信号的多径传播特征,通过对CSI的分析可以识别出用户的动作。小尺度动作作为人体行为动作的一种,具有动作幅度小,识别难度高的特点,阻碍了动作识别技术的发展。随着科学技术的发展,人们生活水平的提高,人们对小动作识别技术的性能也有了更高的要求,因此,小尺度的动作识别对于人机交互的发展具有重要意义。本文针对小尺度动作识别问题,提出一种基于Wi Fi的小尺度动作识别算法MCSM-Wri,以手写字母动作识别为实例进行了深入研究。MCSM-Wri利用价格低廉的商用Wi Fi设备发送和接收Wi Fi信号,获取动作样本,从而进行动作识别。MCSM-Wri可以识别52种手写字母动作,平均准确率高达97.70%,经验证,该算法具有良好的鲁棒性和有效性。本文的主要研究工作如下:1.基于Wi Fi的手写字母识别的样本收集、特征提取和数据预处理。当信号发射端发射Wi Fi信号时,用户执行动作,接收端可以收集到携带着反映周围环境状态变化的Wi Fi信号,提取其CSI的幅度值和相位值。为了获取相位真值的近似值,对相位值进行相位校正和解卷绕操作。2.基于Wi Fi的手写字母识别的网络训练和动作识别。针对手写字母动作识别,本文提出一种十层的多尺度卷积神经网络对包括大写字母和小写字母在内的52种手写动作进行识别。3.基于Wi Fi的手写字母识别的性能分析。本文在实验室和杂物间两个实验场景下收集了52种手写字母动作的6240个实例,使用不同的验证方法来验证MCSM-Wri的性能,并探讨各项因素对准确性的影响。本文还使用来自不同用户的样本验证本方法的鲁棒性。MCSM-Wri可以识别的手写字母种类达到52种,其中包括大写字母和小写字母,识别尺度约为5cm。MCSM-Wri对实验室和杂物间的动作样本进行验证时,准确率分别为95.31%和96.68%,对两种实验场景的动作样本进行验证时,平均准确率高达97.70%。实验结果表明,本方法较好地实现了基于Wi Fi的手写字母小尺度动作识别。