陶志勇，郭 京，刘 影

辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛125105

+通信作者E-mail:732132450@qq.com

近几十年来，由于计算和传感技术的进步，以及人们对诸如安全和监视、人机交互和体感游戏等行为或手势识别应用方面的兴趣，人体运动和行为的分析识别成为普适计算中一个新兴的研究领域。传统的识别方法主要分为三类：基于计算机视觉的识别方法、基于低成本雷达的识别方法和基于可穿戴传感器的识别方法。然而，利用这些传统技术感知人类活动存在一些限制。基于计算机视觉的方法会受到光照条件、障碍物等因素的影响，同时也极易侵犯隐私。低成本雷达系统的运行距离有限，通常在10 cm 左右[1]。基于可穿戴传感器的解决方案虽然实现了细粒度的行为感知，但其高昂的成本和需随身携带传感器限制了它的实用性。为了克服上述问题，满足人们对人体行为感知技术低成本、高精度、方便使用等方面的需求，基于WiFi 的行为识别技术应运而生。

2013 年华盛顿大学的Pu 等人提出了WiSee[2]，利用软件无线电外设捕获正交频分多路复用（orthogonal frequency division multiplexing，OFDM）信号，提取出肢体或身体运动所反映的信号的多普勒频移，从而识别出9 种手势动作，准确率为95%，但该方法使用的不是商用现货设备，价格昂贵。Sigg 等[3]利用WiFi的接收信号强度（received signal strength，RSS）识别爬行、躺下、站起和行走四种活动，各项活动的识别率均超过80%。WiGest[4]通过分析不同动作RSS 信号变化的上升沿、下降沿进行手势识别，对于单接入点和三接入点，识别精度分别达到87.5%和96.0%。……