10.3969/j.issn.1007-130X.2022.02.015
WiFi环境下基于CGRU-ELM混合模型的手势识别
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%.
信道状态信息、多普勒频移、手势识别、深度学习
44
TP311.5(计算技术、计算机技术)
山西省重点研发计划;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
2022-03-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
298-305