human behavior recognition using WiFi CSI: challenges and opportunities

西北大学陈晓江老师团队发表在2017 IEEE Communications Magazine的文章。他们团队最近几年在无线感知领域和普适九计算领域取得很多优秀成果。下面是我对这篇论文的一个简单理解和总结。

本文把基于WiFi信号的人体动作识别归为两类：基于fingerprint，基于模型。这两类的区分就是是否需要提前训练。前者不需要训练，后者需要大量数据进行训练。

*************************************************************************************

**基于fingerprint的动作识别

     ***需要提前训练，匹配

    ***单个收发设备就可以实现动作的识别

    ***环境发生变化，这种匹配失去效果

**基于模型的动作识别

  ***无需训练

 ***利用方向、菲涅耳区等，可以进行定量刻画

***可能对收发设备的数量有一定的要求，如果想获取更好地效果时。

两类对比的结果如下图所示：

*************************************************************************************

去噪的方法（信号预处理常用的方法）：

滤波器、PCA、DWT

几个相关工作的总结如下：

一些可讨论的研究点：

1.eliminating the multi-path effect in real environments

2.设备之间的时间同步问题

3.从混合测量数据中抽取微小变化的信号

4.菲涅耳区的边界问题

5.区分多人的同时行为。