针对基于信道状态信息(Channel State Information,CSI)的击键行为识别易被环境及噪声干扰,导致击键波形特征的时间稳定性与空间独特性受到损害的问题,提出一种基于空间特征的增强型击键行为识别方法。该方法首先测定击键信号的波动随...针对基于信道状态信息(Channel State Information,CSI)的击键行为识别易被环境及噪声干扰,导致击键波形特征的时间稳定性与空间独特性受到损害的问题,提出一种基于空间特征的增强型击键行为识别方法。该方法首先测定击键信号的波动随设备内在及外在环境噪声的非线性增长关系,确定有效击键波形;其次,根据不同键位的空间感知能力,建立一种更稳定、更独特的击键特征刻画方法;最后,充分利用多根天线,构建基于K最邻近(K Nearest Neighbor,KNN)算法的击键行为识别模型,获得最终识别结果。实验结果表明,所提方法的识别准确率能够达到92%以上,相比传统的击键检测方法提高5%~8%,能够有效地提升识别的稳定性与准确性。展开更多
文摘针对基于信道状态信息(Channel State Information,CSI)的击键行为识别易被环境及噪声干扰,导致击键波形特征的时间稳定性与空间独特性受到损害的问题,提出一种基于空间特征的增强型击键行为识别方法。该方法首先测定击键信号的波动随设备内在及外在环境噪声的非线性增长关系,确定有效击键波形;其次,根据不同键位的空间感知能力,建立一种更稳定、更独特的击键特征刻画方法;最后,充分利用多根天线,构建基于K最邻近(K Nearest Neighbor,KNN)算法的击键行为识别模型,获得最终识别结果。实验结果表明,所提方法的识别准确率能够达到92%以上,相比传统的击键检测方法提高5%~8%,能够有效地提升识别的稳定性与准确性。
基金Ph.D.Project Supported by the Jinling Institute of Technology(Nos.jit-b-202012,jit-b-201814)the Natural Science Foundation of Jiangsu Province,China(No.BK20190112)+1 种基金the National Natural Science Fund(No.12005083)the Scientific Instrument Developing Project of the Chinese Academy of Sciences(No.GJJSTD20190004)。
