计算机工程与科学

作者：张鑫, 冯秀芳

单位：（太原理工大学信息与计算机学院，山西 晋中 030600）

关键词：信道状态信息,多普勒频移,手势识别,深度学习,

基金：山西省重点研发计划(201903D121121);虚拟现实技术与系统国家重点实验室（北京航空航天大学）开放基金(VRLAB2019A05)

针对传统手势识别方法存在的耗能大、部署困难等问题，提出了一种基于WiFi的手势识别方法。通过从WiFi信号中收集到的信道状态信息中抽取多普勒频移组件，解决无线手势识别方法中提取的统计特征与具体手势动作映射关系不明确的问题。同时，提出了一种CGRU-ELM的深度混合模型，对提取到的多普勒频移组件进行特征提取和分类，并对常用的6种人机交互手势进行了识别。实验结果表明，该方法对于以WiFi信号为输入参数的手势识别平均准确度达到了93.4%。

来源：2022年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第2期