基于WiFi的行为感知以及手势识别-ubicomp21 论文记录（1）

在wifi感知领域研究久了，往往会发现在用WiFi进行行为识别的时候，常见的一个问题是提取到的WiFi信号的波形对于同一个动作表现不一样，这也是尽管在领域内已有大量行为识别的文章，但是想复现或者用WiFi进行行为识别仍然很麻烦的原因。

在此记录一篇ubicomp2021文章，对这个问题进行了分析，并且给出了一种从WiFi信号提取手势活动一致性特征的方法。

Towards Position-Independent Sensing for Gesture Recognition with Wi-Fi.https://dl.acm.org/doi/10.1145/3463504

这篇文章中的主要观点是，大家在用WiFi进行行为感知时，往往假定人体活动和WiFi信号之间存在一对一的对应关系。但是，当用户在不同的位置或者朝向行动时，这种对应关系实际上是不存在的。这个问题被称之为wifi感知中的position-dependent problem. 由于该问题的存在，基于模式识别来感知行为的方法，只能对位置朝向基本固定的用户行为有效，不能很好地识别位置朝向可变的行为。基于物理特征的方法，在获取接收端数据之外，还需要知道额外的信息，如设备与用户的相对位置，用户初始位置或者是设备的摆放，才能识别用户行为。

这篇文章则提出了一种视角转换的行为识别策略，并应用到手势识别中。具体来说，将观察者的视角从transceiver's view转换到hand-oriented view去。提取hand view中和位置朝向无关的仅仅与手势动作本身相关的特征。本文认为手的相对于自身的方向变化信息是与位置朝向无关的，并提出一种名为MNP(Motion Navigation Primitive)的特征来反应手势自身相对方向变化。

文中认为两对设备之间的信号相位的比值可以来计算MNP，并且给出了详细的推导以及empirical study.基本思想就是，当手势方向变化时，其在两个固定方向的分速度比值也会相应变化，而两对设备之间的信号相位变化之比可以近似为分速度比值。这样在无需提前知道设备具体摆放位置以及手的初始位置的条件下，对于同一类手势就可以得到不同位置朝向下一致的MNP特征。

最后本文发现，不同的MNP斜率变化对应手势移动的中不同的笔画部分。这样可以把复杂的手势轨迹解构为笔画序列的组合。根据此本文提出的WiGesture系统，能在无需大量训练的情况下高效地识别手势。

   

相比于以往的手势识别工作，在unfixed deployment和uncontrolled gesture的情况下，对应的识别率有明显的提升。

结论，本文认为这种基于视角转换并提取位置朝向无关仅仅与用户行为本身相关特征的行为识别策略可以成为解决position-dependent problem的一种较好的思路，从而在未来促进wifi感知系统的实用化。

总体而言，现在WiFi感知直接盲目地观察数据，挖掘特征很难实现真正有效的感知效果，重点可能还是要做到理解背后的相关机理。