基于毫米波Wi-Fi接入点的手势识别：经验总结
机器学习
2023-06-30 v1 信号处理
摘要
近年来，sub-6 GHz的信道状态信息（CSI）已被广泛用于Wi-Fi感知，特别是活动和手势识别。在这项工作中，我们转而探索毫米波（60 GHz）Wi-Fi信号用于手势识别/姿态估计。我们的关注点在于毫米波Wi-Fi信号，使其不仅可用于高速率通信，还可用于改进感知，例如用于扩展现实（XR）应用。为此，我们从IEEE 802.11ad设备所采用的周期性波束训练中提取空间波束信噪比（SNR）。我们考虑了一组由XR应用驱动的10种手势/姿态。我们在两种环境和三人中进行了实验。作为比较，我们还从IEEE 802.11ac设备收集了CSI。为从CSI和波束SNR中提取特征，我们利用了深度神经网络（DNN）。DNN分类器在波束SNR任务上取得了有前景的结果，在单一环境中达到了最先进的96.7%准确率，即使数据集有限。我们还研究了波束SNR相对于CSI在不同环境中的鲁棒性。我们的实验揭示，来自CSI的特征无需额外重新训练即可泛化，而来自波束SNR的特征则不能。因此，后者情况需要重新训练。
引用
@article{arxiv.2306.17062,
title = {Gesture Recognition with mmWave Wi-Fi Access Points: Lessons Learned},
author = {Nabeel Nisar Bhat and Rafael Berkvens and Jeroen Famaey},
journal= {arXiv preprint arXiv:2306.17062},
year = {2023}
}