前言：

        本篇主要关于手势识别的方向的,主要参考

       北京大学-《无线感知手势识别-Ubicomp2022论文分享》

---

目录：

1.    技术背景
2.    主要问题（异质性问题）
3.    感知模型
4.    EDP
5.   DPSense
6.    实现效果

---

一  技术背景

      基于WIFI的手势识别在智能家具,以及人机交互场景中具有很强的优越性.
      优势：非侵扰性,无隐私干扰
      基本原理：

             接收端的CSI信号变化是由于LOS+ Reflected 路径信号叠加而成,Refelcted 路径

  物体运动引起了接收端CSI信号变化.CSI信号的幅度谱跟物体的运动轨迹有一一对应

的映射关系.本篇主要从理论方向分析其误差来源,以及如何消除它，从而提高其感知的鲁棒性.

---

二   主要问题（异质性问题）

图一

      heterogenous sensing quality of input signals inside one gesture

手势识别引起的感知信号的异质性：

         同一个动作不同方向得到CSI 幅度谱不一样,信号感知质量不一样.

例一：空中手写一个数字4（图一）

      有3个1组成.但是在不同方位穿过的Fresnel边界不同.  图中C方向, 沿着切线方向切割数量几乎为0,对应CSI幅度谱信号特征几乎为0

异质问题：

        同样一个1 在不同位置带来的CSI信号特征完全不一样,有的位置就不能用于识别。有的位置不能用于识别感知的.

问题：

           RQ1：  我们如何表示输入信号的感知质量

           RQ2： 手势位置和方向对感知有何影响

---

三 模型

     3.1 CSI 模型

      

        CSI 信号由两部分组成： 静态分量S, 动态分量D组成

       S 静态分量:    LOS 静态路径上面的信号

       D 动态分量:    手势信号G： 由反射路径上的手势活动引起的                             

                              由噪声信号E 和  手势信号G  叠加而成

   

3.2  Sensing Quality Charateriaztion

 

        在复平面里面, 我们手势信号G  对应的信号为图中绿线

   

  加上噪声 带来的相位差影响 ,最后得到动态信号为 ,其对应的相位

为

我们需要的是手势信号,但是实际观测到的是动态分量 

  

---

四 EDP

    我们定义感知质量,值越小越好（无噪声的时候理论上为0）
      

   1   无法拿该公式直接计算感知质量的,因为  未知

   2    通过对周围环境噪声的建模（假设其为高斯分布),我们可以推导出的概率密度函数

关于 对称,因此我们认为它的方差 代表平均值的平均值.

  

    论文经过推导得到其方差越小噪声越大，取其倒数 EDP(Error-of-Dynamic-Phase index)

of CIS signal. EDP 越小,则信号质量越差.

 最后得到结论：

    1:   手势运动G的振幅越小, 感知EDP越差.

            如下图，手势运动同样的,同样的噪声E，

          手势运动小的引起的动态相位差更大,则

            更大,对应更低的EDP

    2： 手势运动的相位差越小,  感知EDP越差.

   如下图，同样的G幅度,同样的噪声, 手势运动相位差小的,对应的EDP越差. 

    |G|  手势反射路径的强度.

               则  , 由移动的速度,位置,以及手势的朝向

   更通用的场景：

       如果移动的距离很短，|G| 相对变化较小。

       快速的手势移动，对应相位差较大，则感知质量较高.

      垂直于Fresnel Zone 运动，则Vd 越大，感知质量越高.

---

五  DPSense

  这是一个基于EDP 的深度学习手势分类模型

 跟EDP 把信号分为可用不可用的信号，对于不可用信号直接丢弃。

1 先通过EDP 计算出感知信号指标.

2 对于有效的信号进一步处理

3 对于无效的信号直接丢弃

---

六  实验效果

参考：

无线感知手势识别-Ubicomp2022论文分享_哔哩哔哩_bilibili

WiFi感知边界研究-Ubicomp2022论文分享_哔哩哔哩_bilibili

WiFi感知边界研究-Ubicomp2022论文分享_哔哩哔哩_bilibili

Widar3：基于Wi-Fi的活动识别数据集_哔哩哔哩_bilibili