WiFinger: Talk to Your Smart Devices with Finger-grained Gesture (UbiComp 2016)
针对的问题:现有的无线识别方案(e.g. WiSee,Wi-Vi,WiHear,WiKey)要么利用专用设备实现粗粒度的人体运动识别,要么针对特定的场景,如检测说话和击键,没有针对手指粒度的识别系统;本文利用普适的无线WiFi信号实现数字手势的识别(only involve finger movements and no hand or body movements)以及数字文本的输入;
面临的挑战:如何检测和捕获用户手指移动引起的轻微信号变化;如何分析微小的无线反射信号并提取出有识别力的特征(distinguishable features);如何比较两个手指运动的形状特征;WiFinger的鲁棒性,robust against unpredictable variances,如不同用户的手势习惯不同(是指是否能克服user-specific么?)
解决方案:利用用户在执行不同的手指姿势时,由于移动模式的不同会产生独特的CSI时间序列,从而进行手指姿势的识别(数字1-9);提出一个新颖的载波聚合方案,从而生成独特的手势识别特征;
实现细节:
- 信号预处理
- Outlier removal:Hampel identifier (幅度值的单位是什么,为什么这么大,500!是因为在5GHz频率的原因么?)
- Low-pass filtering:Butterworth低通滤波(截止频率为60Hz,采样率 Fs=2000pkts/s ),消除带外干扰
- Weight moving average:由于低通滤波不能完全消除噪声,需要进一步进行滤波,采用加权移动平均
hti=h′ti=