基于 CRNN 的 CSI 动作识别

来源：计算机技术与发展杂志2021年第06期北京时间：

作者：丁文超;张俊宝;阴庚雷

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 temporalclassification,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。

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