Wi-CHAR:一种WiFi传感方法,专注于场景和受限制数据
Zhanjun Hao1,2, Kaikai Han1, Zinan Zhang1
1College of Computer Science and Engineering, Northwest Normal University, Lanzhou 730070, China.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
这项研究介绍了Wi-CHAR,这是一个基于WiFi的人类活动识别的新系统,它使用了少数拍摄的学习. 在数据有限的新环境中,Wi-CHAR提高了准确性,优于现有方法.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 信号处理 信号处理
背景情况:
- 基于WiFi的人类活动识别 (HAR) 在新环境中面临着大量数据需求和精度下降.
- 现有的无线传感方法在不熟悉的领域部署时,由于域移动,经常会失败.
- 数据稀缺和环境变化对强大的HAR系统构成重大挑战.
研究的目的:
- 推出Wi-CHAR,一种基于短暂学习的跨领域活动识别系统.
- 解决当前基于WiFi的HAR系统的局限性,特别是它们依赖大量数据和不良概括性的局限性.
- 开发一种能够在各种传感环境中精确识别活动的系统,数据样本有限.
主要方法:
- Wi-CHAR使用动态传感器选择方法来提高多传感器生态系统中的数据保真性.
- MF-DBSCAN集群算法用于代异常纠正和改进行为识别质量.
- 一个Re-PN模块可以动态调整特征原型重量,以获得有效的跨域传感和有限的数据.
主要成果:
- 在各种环境中的五次学习场景中,Wi-CHAR的平均准确率超过93%.
- 该系统表现出优异的跨域识别性能,即使在目标域中数据最小.
- 对WiAR和Widar 3.0数据集的评估产生了高准确率,分别为89.7%和92.5%.
结论:
- Wi-CHAR为基于WiFi的人类活动识别提供了强大的解决方案,克服了数据限制和域移动挑战.
- 该系统的自适应机制确保在特定的传感环境和稀缺数据中提供高性能.
- Wi-CHAR实现了最先进的识别准确性,使其适用于各种用户和环境条件的现实应用.
