Wisture：基于 RNN 学习无线信号以在未改装智能手机上进行手势识别
人机交互
2017-08-01 v2 机器学习
网络与互联网体系结构
摘要
本文介绍了 Wisture，一种用于在智能手机上识别非接触式动态手势的新型在线机器学习解决方案。Wisture 依赖于标准 Wi-Fi 接收信号强度（RSS），采用长短期记忆（LSTM）递归神经网络（RNN）、阈值滤波器和流量诱导。与其他基于 Wi-Fi 的手势识别方法不同，该方法不需要对智能手机硬件或操作系统进行修改，并且在执行手势识别时不干扰其他智能手机应用程序的正常运行。我们讨论了 Wisture 的特性，并进行了大量实验，从准确率和时间效率两方面将其性能与 state-of-the-art 机器学习解决方案进行了比较。实验包含了在空间设置以及智能手机与 Wi-Fi 接入点（AP）之间流量方面的多种不同场景。结果表明，Wisture 在检测和分类三种手势时实现了高达 94%（平均 78%）的在线识别准确率。
引用
@article{arxiv.1707.08569,
title = {Wisture: RNN-based Learning of Wireless Signals for Gesture Recognition in Unmodified Smartphones},
author = {Mohamed Abudulaziz Ali Haseeb and Ramviyas Parasuraman},
journal= {arXiv preprint arXiv:1707.08569},
year = {2017}
}
备注
10 pages