文献阅读（4）

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：

1. 信号预处理
   
   1. 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？）
   2. Low-pass filtering：Butterworth低通滤波（截止频率为60Hz，采样率$F_s=2000 pkts/s$），消除带外干扰
   3. 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=