基于CRNN的CSI动作识别

• 作者: 丁文超 张俊宝 阴庚雷
• 来源期刊: 计算机技术与发展
• 关键词: 信道状态信息 CRNN 动作识别 自组织映射 格拉姆角场 链接时序分类
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能技术
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.06.002

摘要

随着Wi-Fi感知技术的发展,出现了大量使用Wi-Fi信道状态信息(channel state information,CSI)进行动作识别的应用.然而大多数的方法在数据预处理和训练阶段都依赖于人工构建特征,构建过程耗时耗力并且需要专家的领域知识.针对上述问题,提出一种基于CRNN(convolutional recurrent neural network)的CSI动作识别方法.将不同手势的CSI数据做低通滤波处理后,通过自组织映射(self organizing maps,SOM)聚类的结果选择最佳子载波,并对该子载波上的CSI数据进行扩增.然后,使用格拉姆角求和场(Gramian angular summation fields,GASF)方法将一维CSI数据转换成二维GASF图像,作为CNN、LSTM构成的CRNN网络的输入数据,训练过程中使用链接时序分类(connectionist temporal classification,CTC)作为损失函数.实验结果表明,该方法能在训练数据较少的情况下达到较高的识别精度,且无需手动构建特征.