前言：
本篇主要关于手势识别的方向的,主要参考
北京大学-《无线感知手势识别-Ubicomp2022论文分享》
目录：
- 技术背景
- 主要问题（异质性问题）
- 感知模型
- EDP
- DPSense
- 实现效果
一 技术背景
基于WIFI的手势识别在智能家具,以及人机交互场景中具有很强的优越性.
优势：非侵扰性,无隐私干扰
基本原理：
接收端的CSI信号变化是由于LOS+ Reflected 路径信号叠加而成,Refelcted 路径
物体运动引起了接收端CSI信号变化.CSI信号的幅度谱跟物体的运动轨迹有一一对应
的映射关系.本篇主要从理论方向分析其误差来源,以及如何消除它，从而提高其感知的鲁棒性.
二 主要问题（异质性问题）
图一
heterogenous sensing quality of input signals inside one gesture
手势识别引起的感知信号的异质性：
同一个动作不同方向得到CSI 幅度谱不一样,信号感知质量不一样.
例一：空中手写一个数字4（图一）
有3个1组成.但是在不同方位穿过的Fresnel边界不同. 图中C方向, 沿着切线方向切割数量几乎为0,对应CSI幅度谱信号特征几乎为0
异质问题：
同样一个1 在不同位置带来的CSI信号特征完全不一样,有的位置就不能用于识别。有的位置不能用于识别感知的.
问题：
RQ1： 我们如何表示输入信号的感知质量
RQ2： 手势位置和方向对感知有何影响
三 模型
3.1 CSI 模型
CSI 信号由两部分组成： 静态分量S, 动态分量D组成
S 静态分量: LOS 静态路径上面的信号
D 动态分量: 手势信号G： 由反射路径上的手势活动引起的
由噪声信号E 和 手势信号G 叠加而成
3.2 Sensing Quality Charateriaztion
在复平面里面, 我们手势信号G 对应的信号为图中绿线
加上噪声 带来的相位差影响
,最后得到动态信号为
,其对应的相位
为
我们需要的是手势信号,但是实际观测到的是动态分量
四 EDP
我们定义感知质量,值越小越好（无噪声的时候理论上为0）
1 无法拿该公式直接计算感知质量的,因为 未知
2 通过对周围环境噪声的建模（假设其为高斯分布),我们可以推导出的概率密度函数
关于 对称,因此我们认为它的方差
代表平均值
的平均值.
论文经过推导得到其方差越小噪声越大，取其倒数 EDP(Error-of-Dynamic-Phase index)
of CIS signal. EDP 越小,则信号质量越差.
最后得到结论：
1: 手势运动G的振幅越小, 感知EDP越差.
如下图，手势运动同样的,同样的噪声E，
手势运动小的引起的动态相位差更大,则
更大,对应更低的EDP
2： 手势运动的相位差越小, 感知EDP越差.
如下图，同样的G幅度,同样的噪声, 手势运动相位差小的,对应的EDP越差.
|G| 手势反射路径的强度.
则
, 由移动的速度,位置,以及手势的朝向
更通用的场景：
如果移动的距离很短，|G| 相对变化较小。
快速的手势移动，对应相位差较大，则感知质量较高.
垂直于Fresnel Zone 运动，则Vd 越大，感知质量越高.
五 DPSense
这是一个基于EDP 的深度学习手势分类模型
跟EDP 把信号分为可用不可用的信号，对于不可用信号直接丢弃。
1 先通过EDP 计算出感知信号指标.
2 对于有效的信号进一步处理
3 对于无效的信号直接丢弃
六 实验效果
参考：
无线感知手势识别-Ubicomp2022论文分享_哔哩哔哩_bilibili
WiFi感知边界研究-Ubicomp2022论文分享_哔哩哔哩_bilibili
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
