基于WiFi信號(hào)的非接觸式微動(dòng)感知系統(tǒng)

陳庚澤　王亦炯　曹睿達(dá)

摘要：本文設(shè)計(jì)了一種基于WiFi信號(hào)的非接觸式微動(dòng)感知輸入系統(tǒng)，利用WiFi設(shè)備無(wú)接觸地追蹤手指的細(xì)微移動(dòng)。系統(tǒng)引入基于CSI比的數(shù)據(jù)預(yù)處理方法，提高信號(hào)傳輸?shù)男旁氡龋O(shè)計(jì)一種轉(zhuǎn)換機(jī)制以解決不同位置同一信號(hào)特征不一致的問(wèn)題，增強(qiáng)信號(hào)傳輸?shù)姆€(wěn)定性，設(shè)計(jì)一種基于摩爾斯碼的手指手勢(shì)動(dòng)作編碼方法，實(shí)現(xiàn)系統(tǒng)的微動(dòng)感知功能。本文所提系統(tǒng)具有較強(qiáng)的感知識(shí)別精度和魯棒性，對(duì)于改善漸凍癥患者的生活質(zhì)量具有突出意義。

關(guān)鍵詞：手勢(shì)識(shí)別;WiFi信號(hào);非接觸式傳感

1引言

近年來(lái)，得益于計(jì)算機(jī)技術(shù)和通信技術(shù)的飛速發(fā)展，非接觸傳感應(yīng)用逐漸進(jìn)入人們的日常生活并引起廣泛關(guān)注。將非接觸傳感技術(shù)應(yīng)用于漸凍癥患者，是非接觸傳感的一個(gè)重要應(yīng)用場(chǎng)景，通過(guò)有效識(shí)別和解析漸凍癥患者的手勢(shì)微小動(dòng)作，可實(shí)現(xiàn)情感表達(dá)和信息交互，其對(duì)于改善漸凍癥患者的生活質(zhì)量具有重要意義。

以此為契機(jī)，科研人員圍繞手勢(shì)識(shí)別、微動(dòng)識(shí)別開(kāi)展了深入研究，典型代表有：北京郵電大學(xué)的李增皓等人采用軟件無(wú)線電技術(shù)提出了一種基于SORA平臺(tái)和Choi-Williams分布的人體手勢(shì)識(shí)別方法，但該系統(tǒng)對(duì)使用環(huán)境要求較高，若周邊環(huán)境太暗，則在圖像信息中提取的有效手勢(shì)信息量將大幅減少，從而對(duì)數(shù)據(jù)處理造成嚴(yán)重影響。Abdelnasser等人利用接收信號(hào)強(qiáng)度指示（Received Signal Strength Indication， RSSI）設(shè)計(jì)了Wigest系統(tǒng)，通過(guò)RSSI值的波動(dòng)來(lái)感知用戶(hù)手勢(shì)，手勢(shì)的識(shí)別準(zhǔn)確率可以達(dá)到96%。然而RSSI僅能提供關(guān)于信道變化的粗粒度信息，而不包含關(guān)于細(xì)微運(yùn)動(dòng)引起的小規(guī)模衰落和多徑效應(yīng)的細(xì)粒度信息，因此難以應(yīng)用于細(xì)粒度的手指微動(dòng)識(shí)別。Tan等人采用信道狀態(tài)信息（Channel State Information， CSI）提出了WiFinger系統(tǒng)，該系統(tǒng)利用商用WiFi網(wǎng)卡獲得細(xì)粒度的CSI數(shù)據(jù)，采用主成分分析和子載波選擇技術(shù)提取手勢(shì)特征，同時(shí)引入環(huán)境噪聲消除機(jī)制減輕環(huán)境變化引起的信號(hào)動(dòng)態(tài)影響。上述方案僅能實(shí)現(xiàn)特定規(guī)則的手勢(shì)動(dòng)作，且識(shí)別性能需要以發(fā)射機(jī)、接收機(jī)的位置固定為前提，以上因素導(dǎo)致其在漸凍癥患者微動(dòng)手勢(shì)識(shí)別領(lǐng)域存在瓶頸。

基于此，本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于WiFi信號(hào)的非接觸式微動(dòng)感知系統(tǒng)，采用摩爾斯碼實(shí)現(xiàn)手勢(shì)動(dòng)作的多維表達(dá)，引入信號(hào)轉(zhuǎn)換機(jī)制解決識(shí)別精度的位置受限問(wèn)題，并在實(shí)際場(chǎng)景下完成了系統(tǒng)的性能驗(yàn)證，測(cè)試結(jié)果表明，所設(shè)計(jì)的系統(tǒng)具有良好的識(shí)別精度和魯棒性。

2 CSI基本概念

3系統(tǒng)方案

3.1系統(tǒng)框架

如圖1所示為微動(dòng)感知系統(tǒng)的框架，主要由四部分組成：實(shí)時(shí)數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、信號(hào)模式轉(zhuǎn)換和手勢(shì)識(shí)別與解碼。

1）實(shí)時(shí)數(shù)據(jù)采集

本文采用Intel 5300網(wǎng)卡、筆記本電腦、TP-Link路由器等構(gòu)建系統(tǒng)硬件平臺(tái)，實(shí)時(shí)采集CSI數(shù)據(jù)。其中TP-Link路由器作為發(fā)射端，裝有Intel 5300網(wǎng)卡的筆記本電腦作為接收端，通信基于IEEE 802.11n協(xié)議，筆記本電腦不斷地從路由器中接收CSI數(shù)據(jù)包樣本并實(shí)時(shí)處理數(shù)據(jù)。

2）數(shù)據(jù)預(yù)處理

針對(duì)直接采用CSI進(jìn)行微動(dòng)識(shí)別的局限性，本文設(shè)計(jì)了一種數(shù)據(jù)預(yù)處理方案。首先，利用從CSI數(shù)據(jù)樣本包中同時(shí)獲得的兩個(gè)CSI流（每個(gè)接收天線一個(gè)）計(jì)算CSI比。然后，采用Savitzky-Golay濾波器對(duì)CSI比信號(hào)的原始幅度進(jìn)行去噪，該濾波器可以在保持手指運(yùn)動(dòng)引起的較大信號(hào)變化的同時(shí)，有效地去除較小的隨機(jī)變化。

3）信號(hào)模式轉(zhuǎn)換

信號(hào)模式轉(zhuǎn)換是微動(dòng)感知系統(tǒng)的核心內(nèi)容。首先，根據(jù)不同位置同一信號(hào)特征不一致的問(wèn)題，本文設(shè)計(jì)了一種信號(hào)轉(zhuǎn)換機(jī)制，將不同位置的信號(hào)模式轉(zhuǎn)換為一種波形。然后，利用CSI比幅值的變化來(lái)檢測(cè)連續(xù)手勢(shì)之間的停頓，分割經(jīng)轉(zhuǎn)換機(jī)制變換后的手指手勢(shì)。

4）手勢(shì)識(shí)別與解碼

手勢(shì)識(shí)別將分段信號(hào)與參考信號(hào)進(jìn)行比較匹配，識(shí)別分段信號(hào)的含義。首先，將每種手指手勢(shì)的分段信號(hào)進(jìn)行統(tǒng)一歸一化處理，得到統(tǒng)一度量下的分段信號(hào)。然后，采用動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping， DTW）算法來(lái)計(jì)算歸一化分段信號(hào)和標(biāo)準(zhǔn)化參考信號(hào)之間的相似性，選擇相似度最高的參考信號(hào)模式作為所執(zhí)行的手指手勢(shì)。最后，根據(jù)識(shí)別出的手指手勢(shì)進(jìn)行摩爾斯編碼，編碼從開(kāi)始手勢(shì)開(kāi)始到結(jié)束手勢(shì)結(jié)束，并將累積的摩爾斯碼映射為相應(yīng)的輸入字符。

3.2數(shù)據(jù)預(yù)處理

由于WiFi信號(hào)會(huì)通過(guò)多條路徑從發(fā)送端傳輸?shù)浇邮斩耍@些路徑總共分為兩種，即動(dòng)態(tài)路徑和靜態(tài)路徑。靜態(tài)路徑是由視線路徑和環(huán)境中靜態(tài)物體的反射路徑組成，它不會(huì)隨時(shí)間發(fā)生變化，而動(dòng)態(tài)路徑是由目標(biāo)物體的移動(dòng)所反射的信號(hào)路徑。通常情況下，發(fā)射端與接收端的時(shí)鐘是不同步的，在t時(shí)刻接收到的CSI可以表示為：

3.4手勢(shì)動(dòng)作多維表達(dá)

鑒于漸凍癥患者的身體條件，本文將摩爾斯碼融入到本系統(tǒng)的設(shè)計(jì)中，根據(jù)摩爾斯碼的特點(diǎn)設(shè)計(jì)了一系列手指手勢(shì)，手指手勢(shì)的完成僅依靠一根手指實(shí)現(xiàn)，以進(jìn)一步減少漸凍癥患者手指的運(yùn)動(dòng)量。不同于原始的摩爾斯碼的設(shè)計(jì)，本文將手指的抬起手勢(shì)作為開(kāi)始手勢(shì)，手指的下落手勢(shì)作為結(jié)束手勢(shì)，手指的下落再抬起手勢(shì)作為“ ”手勢(shì)，重復(fù)兩次“ ”手勢(shì)對(duì)應(yīng)的手指操作作為“ ”手勢(shì)。本文所設(shè)計(jì)的手指手勢(shì)可以用于編碼國(guó)際標(biāo)準(zhǔn)化組織的基本拉丁字母、阿拉伯?dāng)?shù)字和一組標(biāo)點(diǎn)符號(hào)，實(shí)現(xiàn)漸凍癥患者希望與他人能夠正常交流的心愿。

4實(shí)驗(yàn)驗(yàn)證與性能分析

4.1實(shí)驗(yàn)設(shè)置

為了驗(yàn)證所提系統(tǒng)的可行性，本文搭建了如圖2所示的實(shí)驗(yàn)場(chǎng)景，實(shí)驗(yàn)場(chǎng)景主要由Intel 5300網(wǎng)卡，路由器和筆記本電腦組成。選擇家庭、辦公室以及會(huì)議室三種實(shí)際場(chǎng)景進(jìn)行實(shí)驗(yàn)，選擇五名志愿者參與實(shí)驗(yàn)，包括兩名女性和三名男性，志愿者對(duì)26個(gè)英文字母、10個(gè)阿拉伯?dāng)?shù)數(shù)字和18個(gè)標(biāo)點(diǎn)符號(hào)執(zhí)行采用摩爾斯碼設(shè)計(jì)的手指手勢(shì)。每名志愿者執(zhí)行9次手指手勢(shì)，每個(gè)手指動(dòng)作執(zhí)行45次，共計(jì)2430次。

4.2性能分析

本文采用識(shí)別精度來(lái)評(píng)估系統(tǒng)性能，識(shí)別精度定義為志愿者所執(zhí)行的手指手勢(shì)能夠被微動(dòng)感知系統(tǒng)正確識(shí)別的百分比，從字符識(shí)別精度和基本手勢(shì)識(shí)別精度兩方面入手證明所提系統(tǒng)的有效性。

1）基本手勢(shì)識(shí)別精度：不論是英文字母還是阿拉伯?dāng)?shù)字都是由開(kāi)始、結(jié)束、“ ”手勢(shì)和“ ”手勢(shì)四種基本手勢(shì)混合組成輸入，因此準(zhǔn)確識(shí)別四種基本手勢(shì)是實(shí)現(xiàn)字符的高精度識(shí)別的前提。圖3示出了四種基本手指手勢(shì)的混淆矩陣。從混淆矩陣中可以看到，系統(tǒng)對(duì)四種基本手指手勢(shì)的識(shí)別率都很高，對(duì)開(kāi)始手勢(shì)、“ ”手勢(shì)、“ ”手勢(shì)和結(jié)束手勢(shì)的識(shí)別準(zhǔn)確率分別達(dá)到了97%、98%、98%和96%。

2）字符識(shí)別精度：圖4所示為使用信號(hào)轉(zhuǎn)換機(jī)制變換前后24個(gè)字母的識(shí)別精度，由圖可知，所提系統(tǒng)對(duì)所有字母的識(shí)別率都很高，本文所提出的信號(hào)轉(zhuǎn)換機(jī)制將識(shí)別率從40%左右提高到90%左右，系統(tǒng)的整體識(shí)別準(zhǔn)確率超過(guò)92%。

5結(jié)語(yǔ)

針對(duì)漸凍癥患者無(wú)法與他人進(jìn)行交流的問(wèn)題，本文設(shè)計(jì)了一種基于WiFi信號(hào)的非接觸式微動(dòng)感知系統(tǒng)，利用普通WiFi設(shè)備無(wú)接觸地追蹤手指細(xì)微的移動(dòng)，引入一種基于CSI比的數(shù)據(jù)預(yù)處理方法，去除信號(hào)傳輸中產(chǎn)生的相位偏移，提高信噪比，設(shè)計(jì)一種信號(hào)轉(zhuǎn)換機(jī)制對(duì)手勢(shì)信號(hào)進(jìn)行處理，實(shí)現(xiàn)穩(wěn)定的傳感功能，設(shè)計(jì)一種基于的摩爾斯碼的手指手勢(shì)方案，實(shí)現(xiàn)手指動(dòng)作的多維表達(dá)。本文設(shè)計(jì)系統(tǒng)對(duì)用戶(hù)手勢(shì)識(shí)別精度達(dá)到92%，且對(duì)環(huán)境變化和用戶(hù)多樣性具有較強(qiáng)的魯棒性，對(duì)于改善漸凍癥患者的生活質(zhì)量具有較為突出意義。

參考文獻(xiàn)：

[1]Ume? Universitet.（Jan.26，2017）. Eye Muscles Are Resilient to ALS. Accessed： Feb.9，2019.

[2]李增皓.基于CW分布和改進(jìn)FOA的手勢(shì)識(shí)別研究[D].北京郵電大學(xué)，2017.

[3]Abdelnasser H， Youssef M， and Harras K A. Wigest： A ubiquitous wifi-based gesture recognition system[C]. In Computer Communications （INFOCOM），2015 IEEE Conference on （2015），1472-1480.

[4]Tan S， Yang J. WiFinger： Leveraging commodity WiFi for fine-grained finger gesture recognition[C]. In Proc.17th ACM Int. Symp. Mobile Ad Hoc Netw. Comput，2016，201-210.

[5]H. Wang et al.，“Human respiration detection with commodity WiFi devices： Do user location and body orientation matter？” in Proc. ACM Int. Joint Conf. Pervasive Ubiquitous Comput.（UbiComp），2016， pp.25–36.