一种基于菲涅耳区和深度学习的WiFi手势识别方法

针对当前的WiFi手势识别技术对手势估计不准确、受噪声影响较大和特征提取不充分等问题,文章提出了一种基于菲涅耳区和深度学习的识别方法.该方法主要分为3个阶段:模型搭建、数据预处理和手势分类.模型搭建阶段通过菲涅耳区定量了手势运动与信号波动模式之间的精确关联,进而确保了对手势的精准估计;数据预处理阶段通过天线之间的商模型、离散傅里叶变换、Hampel滤波器和离散小波变换进行平滑滤波处理,保证了振幅和相位信息的质量;手势分类阶段利用建立的深度神经网络模型,从所有链路的子载波信息中自动提取并筛选出时空域特征,最后用Softmax函数实现手势识别.实验证明,该方法能够达到96%的识别准确率,在不同的实验环境下具有较高的鲁棒性.

菲涅尔深区散斑纵向相关特性研究

研究了菲涅尔深区散斑光强纵向相关特性以及深区内散斑的特征,首先,推导出菲涅尔深区散斑光强纵向相关函数和纵向距离的关系,并利用原子力显微镜测量我们自己制作的随机粗糙表面的高度分布;其次,利用光学系统采集深区内不同纵向距离处的散斑,最后,经过处理得到深区光强纵向相关特性,并提取深区散斑的统计参量.

基于光场二阶关联测量的测距与测姿方法

远距离高精度的距离测量和目标定姿是航天遥感、目标识别、导航控制等领域的关键技术。从理论和实验上研究了利用热光二阶关联在深菲涅耳衍射区进行测距的方法,测距的精度优于0.5 mm,并采用原理证明模拟实验验证了利用该测距方法实现测姿的可行性。此方法可作为传统激光测距技术的补充,并可以实现远距离高精度测距。此方法具有可利用恒星等自然光源实现测距与测姿以及对能量等资源需求较少的优点,为卫星定位等空间测距需求提供了一种新的解决方案。