学习笔记(八):FingerDraw与WiFi手势追踪

2020《FingerDraw: Sub-wavelength Level Finger Motion Tracking with WiFi Signals》读书笔记

  本文基于基于感知微小运动的CSI商模型和指画分割与重建技术,实现误差为1.27cm的任意二维手势绘制。如图(1)所示:
在这里插入图片描述

1. WiFi手势识别现状

  WiFi手势识别大致可分为基于模式识别方法(如Mudra、Widar3.0)和基于运动追踪方法的两类(如Qgesture、GingerDraw)。

模式识别仅能识别预定义的手势集,不能进行任意的手指运动跟踪。

现有的基于运动追踪的方法有如下缺点:
① 受到原始CSI振幅中的噪声的影响,并且在提取的多普勒速度分布中呈现低信噪比,导致定位的粗粒度。用共轭相乘法有幅度噪声。
② 要求目标移动至少几个波长,以便正确提取运动信息。

2. 现有方法不能感知亚波长级手指运动的原因

2.1和2.2说明了为什么利用原始CSI信号和模式识别方法精确度不够
2.3说明QGesture的方法的缺陷

2.1 手指运动和CSI信号变化之间在菲涅耳区背景下的映射

在这里插入图片描述
  图2中,手指在一对WiFi收发器的感应范围内移动。接收信号强度是来自静态视线(LoS)传播和环境反射的所有路径分量以及手指的动态反射路径的叠加。波长 λ \lambda λ的信号,反射径长度变化 d d d,动态反射路径就会有 2 π d / λ 2 \pi d / \lambda 2πd/λ的相移。

CSI模型:
H ( f , t ) = H s ( f , t ) + H d ( f , t ) = H s ( f , t ) + A ( f , t ) e − j 2 π d ( t ) λ H(f, t)=H_{s}(f, t)+H_{d}(f, t)=H_{s}(f, t)+A(f, t) e^{-j 2 \pi \frac{d(t)}{\lambda}} H(f,t)=Hs(f,t)+Hd(f,t)=Hs(f,t)+A(f,t)ej2πλd(t)  当手指移动时,反射路径改变其长度,动态相量 H d ( f , t ) H_{d}(f, t) Hd(f,t)分量相应旋转。如果反射路径的长度变化小于一个波长,则叠加的CSI沿圆弧变化。动态分量的旋转方向与手指的运动方向相关,能反映出反射路径的长度增加或减少。
  当一个物体穿过一系列菲涅耳区时,接收信号显示出连续的类似正弦波的波形。如果由移动物体引起的反射路径长度变化短于一个波长,则接收信号只是正弦状波形的一个片段。
  对于类似的手指运动,CSI波形图样可能会有所不同,这取决于手指在绘图时移动穿过多少个菲涅耳区,以及菲涅耳区中的初始位置。

2.2 实验验证相似手势CSI波形的巨大差异

在这里插入图片描述
  控制变量法:图3(1)和图三(2)位置相同,字母d大小不同,图三(2)和图三(3)初始位置不同,字母d大小相同。
在这里插入图片描述
  图四是理论仿真。

2.3 Qgesture方法的缺陷

  2018《QGesture: Quantifying Gesture Distance and Direction with WiFi Signals.》
  Qgesture中估计静态分量的方法是在滑动窗口上平均CSI数据,所以手势轨迹精度不够。

3. 基于CSI商的手势追踪

3.1 CSI商模型优点

1)消除了原始CSI信号中的大部分噪声,更有利于监测微小的手指运动
2)提供了完全可用的复数值的相位和振幅信息,保持了运动位移和CSI信号之间的相关性(复平面的轨迹能反映运动特征)

在这里插入图片描述
  图5显示了原始CSI和CSI商。在图5(a)中,CSI相位的样本(红点)随机分布在所有天线的[− π \pi π, π \pi π]中,并且观察到振幅中有严重脉冲噪声(蓝线)。CSI商中,幅度和相位上去除大部分噪声。

3.2 CSI商模型(和Farsense一模一样,就当复习)

  假设两个固定位置有一对收发器和一个移动目标(如手指),如图(1)所示。LoS和反射环境静态物体的信号组合成静态信号分量,手指反射构成动态信号分量,CSI商的形式为:
H q ( f , t ) = A n o i s e ( f , t ) e − j θ o f f s e t ( f , t ) ( H s 1 ( f , t ) + H d 1 ( f , t ) ) A n o i s e ( f , t ) e − j θ o f f s e t ( f , t ) ( H s 2 ( f , t ) + H d 2 ( f , t ) ) = H s 1 ( f , t ) + H d 1 ( f , t ) H s 2 ( f , t ) + H d 2 ( f , t ) H_{q}(f, t)=\frac{A_{n o i s e}(f, t) e^{-j \theta_{o f f s e t}(f, t)}\left(H_{s 1}(f, t)+H_{d 1}(f, t)\right)}{A_{n o i s e}(f, t) e^{-j \theta_{o f f s e t}(f, t)}\left(H_{s 2}(f, t)+H_{d 2}(f, t)\right)}=\frac{H_{s 1}(f, t)+H_{d 1}(f, t)}{H_{s 2}(f, t)+H_{d 2}(f, t)} Hq(f,t)=Anoise(f,t)ejθoffset(f,t)(Hs2(f,t)+Hd2(f,t))Anoise(f,t)ejθoffset(f,t)(Hs1(f,t)+Hd1(f,t))=Hs2(f,t)+Hd2(f,t)Hs1(f,t)+Hd1(f,t)

↓↓↓简化↓↓↓

合理假设:
(1)当目标移动一小段距离时,静态分量和信道动态分量的幅度在接收机的两个天线上保持不变
(2)当目标移动一小段距离时,从移动目标反射的信号的到达角变化很小
进而上式可简化为:
H q ( f , t ) = H s 1 ( f , t ) + A 1 ( f , t ) e − j 2 π d 1 ( t ) λ H s 2 ( f , t ) + A 2 ( f , t ) e − j 2 π d 2 ( t ) λ = H s 1 ( f ) + A 1 ( f ) e − j 2 π d diff  λ e − j 2 π d 2 ( t ) λ H s 2 ( f ) + A 2 ( f ) e − j 2 π d 2 ( t ) λ = a z + b c z + d H_{q}(f, t)=\frac{H_{s 1}(f, t)+A_{1}(f, t) e^{-j 2 \pi \frac{d_{1}(t)}{\lambda}}}{H_{s 2}(f, t)+A_{2}(f, t) e^{-j 2 \pi \frac{d_{2}(t)}{\lambda}}}=\frac{H_{s 1}(f)+A_{1}(f) e^{-j 2 \pi \frac{d_{\text {diff }}}{\lambda}} e^{-j 2 \pi \frac{d_{2}(t)}{\lambda}}}{H_{s 2}(f)+A_{2}(f) e^{-j 2 \pi \frac{d_{2}(t)}{\lambda}}}=\frac{a z+b}{c z+d} Hq(f,t)=Hs2(f,t)+A2(f,t)ej2πλd2(t)Hs1(f,t)+A1(f,t)ej2πλd1(t)=Hs2(f)+A2(f)ej2πλd2(t)Hs1(f)+A1(f)ej2πλddiff ej2πλd2(t)=cz+daz+b z = e − j 2 π d 2 ( t ) λ z=e^{-j 2 \pi \frac{d_{2}(t)}{\lambda}} z=ej2πλd2(t),a、b、c、d’都是常复数。

  有了CSI商就可以通过观察CSI商在复平面中弧线的旋转来感知细微的手指运动,而不是在原始CSI中观察。
  如果反射路径长度增加 :当静态分量的幅度大于动态分量的幅度时,CSI商顺时针旋转;否则,它会逆时针旋转。

4. 小幅度运动与CSI商

要解决问题:
①如何分割笔画问题→如何分割CSI商信号中的弧线段
②如何从CSI商分割片段中提取位移信息
③如何在2D平面上利用一发两收构建手指轨迹,尤其手指每个位置点的迭代

4.1 基于分割的手指笔划映射

思路:利用笔画间的停顿以及CSI商旋转的方向(注意方向的改变和在菲涅尔区中的位置有关,换而言之即设备摆放)

例一:
在这里插入图片描述
  图10(a)所示的特定设置中,当我们画出字母“d”的圆笔画时,反射路径的长度先减小,然后增加。根据反射路径的增加和减少来考虑图形的单调变化部分,可将字母“d”的连续图形自然地分割成四个笔画部分。在这个视图中,笔画的每一部分都导致CSI的动态分量仅在一个方向上旋转,在复平面上留下单一的弧线轨迹,如图10(b)所示。在两个笔划段之间,反射路径停止改变其长度复杂平面中的圆弧停止旋转。4.2.从图10(c)中可以看出,在复平面中的通道商的真实数据记录包含四段弧,每段弧代表字母“d”的一段笔划。

例二:
在这里插入图片描述
图11是另一对WiFi收发器在菲涅尔区中的图,其中对于同一字母轨迹仅存在三个单调段。

4.2 通过提取相位变化将CSI商信号映射到手指运动位移

思路:菲涅耳区的位移中的动态成分能反映CSI商相位变化,从而反映反射路径长度的变化,进而计算位移信息。

通过弧线上每一个位置的切线斜率变化来衡量动态成分的相位变化,其几何关系如图(2)所示,优点有二:
1)不需要担心静态分量
2)计算效率高,因为切线计算只涉及圆弧上两个相邻采样点的相减。
在这里插入图片描述

相位变化 Δ θ ( t ) \Delta \theta(t) Δθ(t)和反射路径长度差 Δ d ( t ) \Delta d(t) Δd(t)的物理关系:
Δ d ( t ) = Δ θ ( t ) λ 2 π \Delta d(t)=\frac{\Delta \theta(t) \lambda}{2 \pi} Δd(t)=2πΔθ(t)λ

4.3 路径差到手指轨迹的映射

反射路径的长度→移动的手指本身

在这里插入图片描述
  首先使用初始手指位置和反射路径变化来计算反射路径的总长度。
  其次用两个焦点的位置和总反射路径长度写出椭圆的方程。两对收发器得到两个相交的椭圆。手指的新位置位于两个椭圆的交点。

5. 数据的采集和预处理

  1. 一发(一天线)两收(每个接收机两天线),每个接收机上得到C(n,m)×F×T维度的CSI商复矩阵。
  2. 尽管两个天线上的CSI划分极大地抑制了CSI噪声,但是CSI商数据仍然需要被平滑(Savitzky-Golay平滑,在平滑复杂数据方面也很有效),以便清楚地揭示CSI商的圆形形状,用于相位变化提取。
  3. CSI商分割,阈值法。
  • 0
    点赞
  • 5
    收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题:创作都市 设计师:CSDN官方博客 返回首页
评论

打赏作者

不讲魔法讲道理

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值