使用Wi-Fi传感进行增强的人类活动识别:利用注意力机制利用阶段和幅度
Thai Duy Quy1, Chih-Yang Lin2, Timothy K Shih1
1Department of Computer Science and Information Engineering, National Central University, Taoyuan City 320317, Taiwan.
Sensors (Basel, Switzerland)
|February 26, 2025
概括
本研究介绍了阶段幅度通道状态信息网络 (PA-CSI),用于基于Wi-Fi的强大的人类活动识别 (HAR). 这种新型模型有效地整合了振幅和相位特征,在各种环境中实现了最先进的精度.
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Wi-Fi的人类活动识别 (HAR) 提供使用频道状态信息 (CSI) 的隐私保护方法.
- 现有的HAR方法在强大的特征提取方面面临挑战,特别是在动态或多环境环境中,并且难以集成CSI的振幅和相位数据.
- 有效整合振幅和相位特征对于提高HAR精度和稳定性至关重要.
研究的目的:
- 提出一种新型模型,即阶段振幅频道状态信息网络 (PA-CSI),用于基于Wi-Fi的增强式HAR.
- 解决现有方法关于特征提取和CSI双重特征 (振幅和相位) 集成的局限性.
- 提高HAR系统在复杂和多样化的环境中的稳定性和准确性.
主要方法:
- 开发了相幅频道国家信息网络 (PA-CSI),采用双特征方法.
- 实施了注意力增强的特征融合机制,结合了多尺度卷积层和门式残余网络 (GRN).
- 在三个不同的数据集上评估了模型的性能:StanWiFi,MultiEnv和MINE实验室数据集.
主要成果:
- 在所有测试的数据集中,PA-CSI模型实现了最先进的性能.
- 实现了高准确率:StanWiFi上的99.9%,MultiEnv上的98.0%,MINE实验室数据集上的99.9%.
- 证明了双特征方法和注意力增强的融合对强大的特征提取的有效性.
结论:
- 该PA-CSI模型通过有效利用振幅和相位CSI特征,显著提升基于Wi-Fi的HAR.
- 拟议的模型为在动态和多环境场景中识别人类活动提供了一个强大的解决方案.
- 这些发现突显了PA-CSI在实际,现实世界的HAR应用中的潜力.
