论文部分内容阅读
摘 要：随着IOT以及移动设备的发展，越来越多的智能设备进入人们的日常生活生产中，并且硬件技术不断发展使得高级人机交互成为可能，对于人机交互技术在不断的在现代设备中被应用，人机交互被越来越多用户接受，但是对于手势控制类大部分需要在人体安装传感器或者需要昂贵外置设备而被少量用户接受，基于csi的非接触式动作捕捉成为研究热点该技术的，其基本原理是基于CSI手势识别技术。本文主要全面回顾了基于CSI手势识别技术并提出这一领域中面临的问题。
关键词：WIFI;信道状态信息;手势识别
1.引言
随着IOT以及移动设备的发展，越来越多的智能设备进入人们的日常生活生产中，并且硬件技术不断发展使得高级人机交互成为可能，人机交互技术在现代设备中被应用，被越来越多用户接受，但是对于手势控制（动作捕捉）类大部分需要在人体安装传感器或者需要昂贵外置设备而被少量用户接受，因此基于csi的非接触式动作捕捉成为研究热点。本文主要全面回顾了基于CSI手势识别技术，将有重要进展的CSI手势识别技术进行比较并总结出这一领域中面临的挑战与发展趋势。
文章主要包括手势识别的两种方法：几何方法和基于指纹方法。几何方法中包括基于角度方法和基于距离的方法。基于角度方法：通过测量待测物体与AP之间的角度通过几何方法得到相对位置从而确定空间位置;基于距离方法通过一定方法得到待测物体与AP之间的距离从而确定位置。基于指纹方法：先训提取空间中各个位置上特征，建立指纹库，再将分类算法/网络用于实时信号从而估计移动端位置。
对于使用WIFI实现手势识别技术有粗粒度估计和细粒度估计。对于粗粒度使用物理层的收的信号强度指示，其计算复杂度低并且位于无线网络的发送层适用性广，成本低以及的功和的特点而被使用。然而其测量值一般不包括天线增益或传输系统的损耗参数结合其易受干扰的特点尽可做到粒度在1-2m相对精度的测距，并不适合细粒度如动作捕捉的测量。对于细粒度估计：因其可提供一条通信链路的信道属性，反映了信号在每条传输路径上的衰减因子，各信道子载波相位和幅信息，信道状态信息逐渐进入进入研究人员的视野，并且随着OFDM系统和MIMO系统的应用，可修改通过修改驱动从商用WIFI网卡缓存数据中提取出CSI信息。因此研究人员可以更好的描述信号的传播路径。
但CSI研究时间较短，本文可用于
1.了解现有基于CSI手势识别技术的常见方法原理
2.为科研人员提供基于CSI的手势识别技术的待研究方向
2.文章结构
第一章：引言
第二章：文章结构
第三章：CSI中包含信息以及參数处理
第三章：基于CSI的手势识别技术基本原理
第五章：总结
3.CSI中包含信息以及参数处理
正交分频符用（OFDM）技术将无线信道分成若干彼此正交的子信道。将子数据流调制到正交子信道中传输，每个子数据流成为子载波。其在频域范围内将一新到划分为若干通信子信道，这些信道之间彼此线性正交经过子载波调制将低速数据流数据流划分成子数据流经由D/A转换后成为告诉子载波在传输介质中传输数据，接受时为发送逆过程。
通过OFDM调制后的子载波向空间中发射射频信号，在传播过程中经多径叠加后在接收端接收信号能量强度不同（表现在频率和振幅等指标）
4.基于CSI的手势识别技术方法
4.1使用几何方法的基于CSI识别技术
4.1.1 基于角度方法
通过角度测量技术可以很好地应用于CSI识别。可通过在WIFI设备的CSI数据中的时间戳信息，从而确定待测物体所在方位【1】（ARMA谱分析、最大似然法、熵谱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算法等等识别方法一下简要介绍AOA和TDOA方法原理
4.1.1.1 AOA 基本原理（MUSIC算法）
AOA识别方法，主要测量待测物体和发射/接收端之间的角度，进而转换为三角问题来解决。
2013年，Xiong J等。【1】实现了用于CSI室内识别的ArrayTrack硬件平台。，识别精度为30-50厘米。2013年，Gjengset等【3】提出了Phaser system，平均定位识别误差小于1 m。2019年，郝占军等【4】通过优化MUSIC算法（Dropper-MUSIC方法）获得多普勒频移使用并改进三遍识别质心算法。以上文章说明一定程度上由于射频天线数量的限制以及外界因素的不缺定性从而对多径效应的影响使得CSI的相位信息的有效性降低，但在不同环境中仍需大量训练才可得到高准确度的CSI数据，因此在估计AOA问题上仍任重而道远。
基于CSI的AOA估计主要利用AP上每个天线接收到的信号的相位差之间的明确关系。通过增加天线的数量，可以减轻多径效应的影响。但是，当前的商用Wi-Fi通常没有配置更多的天线，并且所利用的CSI相位信息的有效性将直接影响识别结果的准确性。
4.1.2 基于范围方法
该方法将预处理的CSI数据提取空间特征计算待测物体距离，可首先测距（可用方法：信号线性损耗随距离关系计算方法，对数距离路径损耗模型【4】，衰减因子模型和MK模型【5】）
4.1.2.1 信号线性损耗随距离关系计算方法
其中，M 是双曲线上一点，F1和F2分别是双曲线的两个焦点，2a 是两焦点之间的距离。那么，根据公式（2-2）可以得出：未知节点 M 就在以两个已知节点 A，B 的位置为焦点，距离差是 2a 的双曲线上。同样的，根据另外一个已知节点 C，同样可以在确定2条双曲线，就这样，两个双曲线的交点即为未知节点 M 的位置。
关键词：WIFI;信道状态信息;手势识别
1.引言
随着IOT以及移动设备的发展，越来越多的智能设备进入人们的日常生活生产中，并且硬件技术不断发展使得高级人机交互成为可能，人机交互技术在现代设备中被应用，被越来越多用户接受，但是对于手势控制（动作捕捉）类大部分需要在人体安装传感器或者需要昂贵外置设备而被少量用户接受，因此基于csi的非接触式动作捕捉成为研究热点。本文主要全面回顾了基于CSI手势识别技术，将有重要进展的CSI手势识别技术进行比较并总结出这一领域中面临的挑战与发展趋势。
文章主要包括手势识别的两种方法：几何方法和基于指纹方法。几何方法中包括基于角度方法和基于距离的方法。基于角度方法：通过测量待测物体与AP之间的角度通过几何方法得到相对位置从而确定空间位置;基于距离方法通过一定方法得到待测物体与AP之间的距离从而确定位置。基于指纹方法：先训提取空间中各个位置上特征，建立指纹库，再将分类算法/网络用于实时信号从而估计移动端位置。
对于使用WIFI实现手势识别技术有粗粒度估计和细粒度估计。对于粗粒度使用物理层的收的信号强度指示，其计算复杂度低并且位于无线网络的发送层适用性广，成本低以及的功和的特点而被使用。然而其测量值一般不包括天线增益或传输系统的损耗参数结合其易受干扰的特点尽可做到粒度在1-2m相对精度的测距，并不适合细粒度如动作捕捉的测量。对于细粒度估计：因其可提供一条通信链路的信道属性，反映了信号在每条传输路径上的衰减因子，各信道子载波相位和幅信息，信道状态信息逐渐进入进入研究人员的视野，并且随着OFDM系统和MIMO系统的应用，可修改通过修改驱动从商用WIFI网卡缓存数据中提取出CSI信息。因此研究人员可以更好的描述信号的传播路径。
但CSI研究时间较短，本文可用于
1.了解现有基于CSI手势识别技术的常见方法原理
2.为科研人员提供基于CSI的手势识别技术的待研究方向
2.文章结构
第一章：引言
第二章：文章结构
第三章：CSI中包含信息以及參数处理
第三章：基于CSI的手势识别技术基本原理
第五章：总结
3.CSI中包含信息以及参数处理
正交分频符用（OFDM）技术将无线信道分成若干彼此正交的子信道。将子数据流调制到正交子信道中传输，每个子数据流成为子载波。其在频域范围内将一新到划分为若干通信子信道，这些信道之间彼此线性正交经过子载波调制将低速数据流数据流划分成子数据流经由D/A转换后成为告诉子载波在传输介质中传输数据，接受时为发送逆过程。
通过OFDM调制后的子载波向空间中发射射频信号，在传播过程中经多径叠加后在接收端接收信号能量强度不同（表现在频率和振幅等指标）
4.基于CSI的手势识别技术方法
4.1使用几何方法的基于CSI识别技术
4.1.1 基于角度方法
通过角度测量技术可以很好地应用于CSI识别。可通过在WIFI设备的CSI数据中的时间戳信息，从而确定待测物体所在方位【1】（ARMA谱分析、最大似然法、熵谱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算法等等识别方法一下简要介绍AOA和TDOA方法原理
4.1.1.1 AOA 基本原理（MUSIC算法）
AOA识别方法，主要测量待测物体和发射/接收端之间的角度，进而转换为三角问题来解决。
2013年，Xiong J等。【1】实现了用于CSI室内识别的ArrayTrack硬件平台。，识别精度为30-50厘米。2013年，Gjengset等【3】提出了Phaser system，平均定位识别误差小于1 m。2019年，郝占军等【4】通过优化MUSIC算法（Dropper-MUSIC方法）获得多普勒频移使用并改进三遍识别质心算法。以上文章说明一定程度上由于射频天线数量的限制以及外界因素的不缺定性从而对多径效应的影响使得CSI的相位信息的有效性降低，但在不同环境中仍需大量训练才可得到高准确度的CSI数据，因此在估计AOA问题上仍任重而道远。
基于CSI的AOA估计主要利用AP上每个天线接收到的信号的相位差之间的明确关系。通过增加天线的数量，可以减轻多径效应的影响。但是，当前的商用Wi-Fi通常没有配置更多的天线，并且所利用的CSI相位信息的有效性将直接影响识别结果的准确性。
4.1.2 基于范围方法
该方法将预处理的CSI数据提取空间特征计算待测物体距离，可首先测距（可用方法：信号线性损耗随距离关系计算方法，对数距离路径损耗模型【4】，衰减因子模型和MK模型【5】）
4.1.2.1 信号线性损耗随距离关系计算方法
其中，M 是双曲线上一点，F1和F2分别是双曲线的两个焦点，2a 是两焦点之间的距离。那么，根据公式（2-2）可以得出：未知节点 M 就在以两个已知节点 A，B 的位置为焦点，距离差是 2a 的双曲线上。同样的，根据另外一个已知节点 C，同样可以在确定2条双曲线，就这样，两个双曲线的交点即为未知节点 M 的位置。