基于小波分析的手势无线感知方法

本文提出了一种基于智能无线感知、连续小波变换和迁移学习的手势识别方法。通过预处理无线信道状态信息,使用连续小波变换生成谱图,并利用预训练的SqueezeNet进行手势分类,平均识别准确率达到94%。相比于其他方法,该方法提高了识别准确率和特征的可解释性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【摘  要】无线技术的快速发展,使得基于无线信道状态信息来进行无设备人类活动的感知成为可能。基于连续小波变换和迁移学习的方法采用智能无线感知原理,重点研究了应用在手势识别场景下的方法和实现。首先将收发器收集到的原始信道状态信息进行数据预处理,去除载波频率偏移和采样频率偏移以及噪声;其次,介绍了连续小波变换的原理,并使用其生成谱图;最后,使用预训练好的卷积神经网络进行手势分类,平均识别准确率在94%左右。

【关键词】智能无线感知;手势识别;连续小波变换;图像识别

0   引言

2000年以来,无线技术快速发展,Wi-Fi覆盖越来越广,几乎家家户户、各大活动场所都有部署,因此使用无线CSI(Channel State Information,信道状态信息)来感知人类活动成为可能,不需要部署专用的设备传感器就能感知人类活动,可以使用CSI来持续检测无线信道的变化。基于无线CSI感知人类活动的主要工作原理为:通过发射器产生的无线电波在传播过程中会发生直射、反射和散射等物理现象,从而形成多个传播路径,这使得在信号接收机处形成的多径叠加信号携带了反映信号传播空间的信息[1]。比如,当人在室内活动时,如图1所示,有一对收发机,当人移动时,人体反射的Wi-Fi信号会随之发生变化,除此之外,家具、墙壁等也会反射信号一起叠加到接收机处,从而可以根据信号的变化,再结合人工智能的方法感知以达到识别人类活动的目的。因为人是活动的,家具墙壁等物体是静止的,所以人体产生的反射路径称为动态路径,家具、墙壁等产生的反射路径称为静态路径。现如今,智能无线感知已被广泛应用到多个

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

罗伯特之技术屋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
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、付费专栏及课程。

余额充值