英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
使用无线信号的全方位手势识别
摘要：本文介绍了一种新颖的工具，它叫怀斯。利用无线信号的识别系统（例如，WiFi）能使整个家庭感知和识别人类手势。因为无线信号可以穿过墙壁，所以怀斯可以使整个家庭使用少量无线信号进行手势识别。此外，它并不需要带有传感装置的人体来实现这一目标。我们使用USRP-N210S的WISE原型并且在办公环境和两居室公寓中评估它。我们的研究结果表明，WISE能够识别和分类一组9个手势，平均准确率为94%。
种类和主题描述：C.2.1[网络架构与设计]：无线通信
关键字 手势识别，无线感知
1.介绍
随着计算与桌面越来越远，人们越来越需要新的与计算机交互的接口。Xbox Kinect就是一个例子。它是专业可用的输入传感器，支持手势使用深度感知和计算机视觉交互。这些设备的商业方面的成功，推动并产生了新的用户界面，并删除了传统的键盘和鼠标。手势启用一套全新的交互技术嵌入在环境中的计算。例如，通过在空中滑动手，用户可以控制音乐，淋浴时音量提高，烹饪时更改音乐睡觉时把恒温器调高通过转动安装在客厅的系统。这种能力可以应用到各种领域，包括家庭自动化，老年保健和游戏。但是，考虑到安装的负担成本，大多数基于视觉的传感设备很难安装在大规模家庭或建筑物。鉴于这些局限性，研究人员探索了将一些传感装置移动到身体上的方法，以及如何减少对环境传感器的需求[8，14，13]。然而，即使是身体上的方法也有局限，人们是否愿意经常携带或穿着，在许多情况下可能不可行（如淋浴）。
本文介绍了WiSee，这是第一个全家庭手势识别系统，既不需要用户仪器也不需要摄像机的基础功能。怀斯做到了这一点，它在环境中利用无线信号（如Wi-Fi）。因为这些信号不需要视线，可以穿过墙壁，几乎没有信号源需要出现在空间中（例如，Wi-Fi AP和一些移动设备客厅的设备）。怀斯通过观察来自人体运动的无线信号例如微小的多普勒频移和多径畸变来产生变化。
为此，我们应对以下两个挑战：（a）我们如何从无线信号中截获关于手势的信息呢？怀斯利用了多普勒的特性移位[12，3]，即波的频率变化相对于观察者移动。典型的例子是火车接近时汽笛的音调变化。在无线信号方面，如果我们考虑人类的多径反射身体就像来自源头的波浪，然后一个人表演一个手势，在无线网络上产生多普勒频移的模式。因此，用户将手从接收器导致负多普勒频移，同时移动手朝向接收器会导致正多普勒频移。
然而，挑战在于人类的手势造成的很小的多普勒频移很难在典型的无线传输（如Wi-Fi）中被探测到。明确地，因为无线信号是在光速下（m/sec）传播的电磁波，人类以速度v m/sec，多普勒最大位移为2f/c(v)，其中f是无线传输的频率[3]。因此，0.5米/秒的手势会导致17赫兹的多普勒频移。在5GHz Wi-Fi传输上,典型的无线传输有数量级的更高带宽（20兆赫适用于Wi-Fi。因此，对于手势识别，我们需要检测多普勒频移从20兆赫的Wi-Fi信号几赫兹的偏移）。
从高层来看，怀斯将接收到的信号转换成窄带脉冲，它具有几赫兹的带宽。智能的接受者在Wi-Fi AP上执行），然后跟踪频率用这种窄带脉冲来探测人类的手势这小的多普勒频移。在第3节中，我们描述了我们的算法-更详细地介绍Rithm，并说明如何使其适用于现有802.11。（b）我们如何处理环境中的其他人。一个典型的家庭可能有很多人会影响同时发出无线信号。怀斯用的是mimo，802.11n固有的专注于手势的能力来自特定用户。MIMO通过允许多个发送器同时发送数据包。如果我们考虑无线反射从每个人身上发出信号作为无线发射器的信号，然后它们可以使用MIMO接收器分离。
然而，传统的MIMO解码依赖于估计发射器和接收器天线之间的通道。这些通道通常通过发送一个每个发射机的已知前导码。这样一个已知的信号在我们的系统中不存在，因为人体反映相同的802.11发射机信号。
我们解决这个问题的方法是由触发器激发的许多使用Xbox的多用户游戏采用的方法Kinect，其中用户通过执行特定的手势模式。一个智能的接收器利用这个前导码估计能量最大化的MIMO信道用户的反射。一旦接收器锁定对于该通道，用户使用多普勒频移分类的手势执行正常（非重复）接收器。在第3.3节中，我们进一步探讨了这一想法，并展示了如何提取不需要人表演的前言以预先确定的速度做手势。
在Gnuradio中实现了明智的概念证明使用USRP-N210硬件。我们对手势进行分类使用简单的模式匹配从多普勒频移第3.2节中描述的算法。我们用一个在办公环境和两居室公寓，其布局如图7所示。我们在许多场景中执行手势，包括视线、非视线和穿墙场景如果此人在与无线不同的房间发射器和接收器。用户总共执行900个手势。
我们的发现如下：
bull;怀斯可以将以下九种全身动作分类：图1，平均精度为94%。这是有希望的，假设随机猜测的准确度为11.1%。
bull;使用4天线接收器和单个天线发射器放在客厅里，怀斯可以做到以上分类精度在60%的家庭地点。添加一个附加的单天线发射器到客厅在位置上达到上述精度
穿过所有房间。因此，使用智能Wi-Fi AP充当接收器和两个移动设备作为传送器，WISE可以启用整个家庭手势识别。
bull;24小时内，Wise的误报率在没有当使用序言和两个手势重复。当重复次数为增加到四个这个失效了。
bull;使用5天线接收器和单个天线发射器，怀斯可以成功地进行手势分类，在其他三个用户在场的情况下随机执行。
图1
图1-手势示意图：WISE可以发现和分类这九个手势在视线内，非视线内，以及穿墙方案的平均准确率为94%。手势。然而，分类精度降低为我们进一步增加了干扰用户的数量。这个是WISE的一个限制：给定固定数量的发送器和接收天线，精度降低用户数。但是，由于典型的家庭场景一个房间内没有大量用户，WISE可以启用大量交互应用程序用于家庭环境中。
结论：我们做了以下的结论
bull;我们介绍了第一个能够实现手势的无线系统视线识别、非视线识别、穿墙识别情节。
bull;我们提出了提取手势信息的算法来自基于通信的无线信号。明确地，我们演示了如何从宽带中提取微小的多普勒频移。最现代的OFDM传输包括Wi-Fi在内的通信系统。
bull;最后，使用概念验证原型，我们证明我们的系统可以检测到一组九个全身典型环境中的手势。
本文是利用现有资源的第一步。实现新型人机交互的无线网络整个家庭手势识别等机制。
我们希望这一行的工作能打开一个数字无线网络交叉口的研究机会和HCI，沟通两个社区。
相关的工作
我们的工作与两个无线系统的现有技术有关以及空中手势识别系统。
（a）无线系统：可以对相关工作进行分类。在这个领域分为三大类：无线定位，无线断层扫描和穿墙雷达系统-TEMS。先前的本地化工作使用了各种技术定位无线设备，包括，rssi[6]，细粒度OFDM信道信息[21]和多天线[26]。最近也有人对无设备本地化感兴趣。使用无线RSSI信息的人类[28，20]设备。怀斯建立在这项基础工作的基础上，但与之互补的是，它专注于实现人类使用无线信号的手势识别。怀斯还与无线断层扫描相关旨在通过部署传感器网络来定位人类整个环境[29，25，24]。这些系统通常使用在每个传感器上观察到的RSSI值定位人类。怀斯建立在这项工作的基础上，但明显不同它从无线信号中提取多普勒频移进行手势识别。此外，我们还证明可以进行全方位的手势识别每个房间都不需要无线设备。最后，怀斯与穿墙有关。雷达系统[4，18，3]可识别物体，如墙后的金属钉。这些系统使用昂贵的超宽带按以下顺序使用带宽的收发器：1 GHz〔4〕。相比之下，怀斯则专注于手势识别。演示如何从无线设备中提取手势信息传输。最接近我们在这个领域的工作是最近的证明使用Wi-Fi可行性的工作[5]检测穿墙情况的信号。然而，据我们所知，以前的雷达都没有系统设计用于手势识别。相反，Wise引入了使其能够超越人类的粗野动作，比如跑步和走路，并提供第一个能够识别更精细的人体运动，如在直瞄、非直瞄以及穿墙场景。
（b）空中手势识别系统：商用Xbox Kinect等产品的成功已经普及使用手势控制计算机系统[22]。越来越多地，空中手势识别被纳入其中。包括笔记本电脑在内的消费电子产品和移动设备[2]、智能手机[9、12]和GPS设备[19]。这个这一领域的相关工作使用四种主要技术：计算机视觉、超声波、电场和惯性传感。基于视觉的系统提取手势信息像素混合等混合相机技术的进展设备（PMDS）[22]。同样，超声波系统的杠杆作用多普勒频移对声波进行手势识别〔12〕。然而，这两个系统都需要一条视线感应装置和人体之间的通道。相反，WISE利用无线信号非视线场景，可以穿过木墙还有障碍物，比如窗帘和家具，魔毯等电场感应系统[17]仪器地板上有多个传感器来执行人工操作定位和手势识别。然而，这是强加的沉重的仪器环境是不现实的。惯性传感和其他车身传感方法另一方面，要求用户佩戴多个传感器或携带腕带等设备[8、14、13]。虽然很吸引人，在许多情况下，这种方法可能不方便（例如，淋浴时）。相反，怀斯使整个家庭手势识别无需用仪器测量人体。
最后，先前的工作利用多普勒频移来完成视线场景中的手势识别[12，15]。在本文中，我们提出的算法允许我们提取视线、非视线和穿墙的多普勒频移场景；因此可以在没有每个房间都需要感应装置。此外，我们还介绍从中提取微小多普勒频移的算法通常用于通信的宽带OFDM信号包括Wi-Fi在内的技术。
- WiSee
WISE是一个无线系统，可以实现整个家庭手势识别。因为无线信号通常可以传播穿过墙壁，不需要视线通道，怀斯可以使手势识别独立于用户的位置。要做到这一点，我们需要回答三个主要问题问题：首先，WISE是如何从传统的无线信号，比如Wi-Fi？第二，怎么做它将多普勒频移映射到用户？第三，它如何使手势识别在环境中是否存在其他人类？在本节中，我们将讨论每个问题。
2.从无线系统中提取多普勒频移信号
多普勒频移是观测频率的变化。当发送器和接收器相对于每个其他。在我们的上下文中，反映来自发送器可以看作是一个虚拟发送器。产生反射信号。现在，作为对象（虚拟发射器）向接收器、波峰和反射信号的波谷到达接收器更快的速度。同样，当一个物体远离接收器时，波峰和波谷的速度较慢。
bull;观察到的多普勒频移取决于相对于接收器的运动。例如，一个点垂直于接收器方向移动的对象当一个点物体移动时，不会产生多普勒频移。朝向接收器，多普勒频移最大化。自从人类手势通常涉及多个点对象沿着不同的方向移动，多普勒频移的集合原则上，被接收者看到可以用来分类不同的手势。
bull;传输频率越高，多普勒越高移动相同的动作。因此，Wi-Fi传输在5GHz时，多普勒频移是Wi-Fi的两倍。2.5GHz传输。不过，我们注意到了很多更高频率（例如60 GHz）可能不适用全方位的手势识别定向的，通常不适用于非直瞄场景。
bull;速度越快，多普勒频移越大，而速度越慢速度会导致较小的多普勒频移。因此，更容易检测一个人朝着接收器跑去而不是发现一个人走得很慢。此外，手势包括
全身运动（例如朝着或离开接收器）比仅涉及的手势更容易捕捉身体部位（例如手向或远离接收者）这是因为全身运动包括更多的点对象同时移动。因此，
它产生的多普勒信号比当人类只使用她身体的一部分时。
挑战：人体运动产生一个非常小的多普勒从典型的无线网络中很难检测到的移动传输（如Wi-Fi、WiMax、LTE等）。例如，考虑一个用户向接收器移动她的手0.5米/秒。根据式1，这导致多普勒频移在5GHz下传输的Wi-Fi信号约为17赫兹（Th＝0）。因为Wi-Fi传输的带宽至少20兆赫，产生的多普勒频移是数量级。比Wi-Fi的带宽小。识别这么小的来自这些传输的多普勒频移可能具有挑战性。
我们的解决：怀斯提出了一种接收器设计，可以识别多普勒频移，分辨率为几赫兹Wi-Fi信号。智者的基本思想是转变接收到的Wi-Fi信号转换成窄带脉冲几赫兹的带宽。然后接收器跟踪这种窄带脉冲的频率用来检测多普勒频移。
WISE是为基于OFDM的系统——OFDM而设计的。是大多数现代无线系统的调制选择包括802.11 a/g/n、Wimax和LTE。OFDM将使用的射频带宽分为多个子信道并对每个子信道中的数据进行调制。例如，Wi-Fi通常将20兆赫信道分为64个子信道每台的带宽为312.5 kHz。时域OFDM符号在发送器上通过以下方式生成：在调制比特序列上发送的一种快速傅立叶变换每个OFDM子信道。具体来说，发射器n个调制比特块（802.11中n=64），并适用n点反快速傅立叶变换（IFFT）
我们首先考虑的场景是发射器重复发送相同的OFDM符号。我们然后将我们的方法推广到任意的OFDM符号上，使方案适用于现有的802.11。
参考文献
- ACQUITEK Inc. Fury GPS Disciplined Frequency Standard.
-
R. Block. Toshiba Qosmio G55 features SpursEngine, Visual Ge
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[439298]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
