用无线信号识别人类活动的跨用户域间和域内适应应用的对抗性AI

科学领域:

• 计算机科学 计算机科学
• 信号处理 信号处理
• 人工智能的人工智能

背景情况:

• 使用WiFi通道状态信息 (CSI) 的人类活动识别 (HAR) 是一种非接触式传感方法.
• 由于不同的主题和环境,现有的方法难以获得外部验证.
• 对于HAR来说,可穿戴技术是繁的,并引发了隐私问题.

研究的目的:

• 提出一个对抗性AI模型,用于使用WiFi信号进行强大的HAR.
• 为了解决之前的HAR研究中外部验证不足的问题.
• 在跨用户条件下提高识别精度.

主要方法:

• 通过网络接口控制器 (NIC) 从WiFi设备收集CSI.
• 开发一个对抗性AI模型来学习域不变特征.
• 评估源-目标域匹配的域间与域内对齐技术.
• 评估不同目标培训数据百分比的模型可靠性.

主要成果:

• 拟议的对抗性AI架构在不同培训数据比例中显示出更好的预测性能.
• 该模型在九个交叉用户条件中显示出较高的准确性,与非对抗性模型相比.
• 反对方法需要更短的模拟时间.

结论:

• 在基于WiFi的HAR应用程序中,域间对齐是最好的.
• 开发的对抗性AI模型为跨用户提供了强大的解决方案.
• 该架构为未来的 HAR 研究提供了基础,采用多样化的数据集.