IMRadar:用于非接触式人类行为传感的双向速度mamba
IEEE journal of biomedical and health informatics
|September 29, 2025
概括
这项研究介绍了IMRadar,一种使用新型双向速度Mamba (BVMamba) 模型的智能行为传感系统. 它从通道状态信息 (CSI) 实现了超过98%的无接触人类行为感知准确度.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 使用通道状态信息 (CSI) 的智能人类行为传感对于非接触式健康监测至关重要.
- 现有的方法与全球上下文感知,高计算成本和单向特征提取作斗争.
研究的目的:
- 开发一种新的双向速度Mamba (BVMamba) 模型,用于增强人类行为传感.
- 构建一个智能行为传感系统,IMRadar,用于强大的无接触感知.
主要方法:
- 利用CSI数据中的速度信息来描述运动状态.
- 采用BVMamba模型,包括前向 (FVMamba),反向 (RVMamba) 和融合 (FUBlock) 组件,用于深度特征提取.
- 从前向和反向方向分析全球深度行为特征,以捕捉复杂的动态特征.
主要成果:
- IMRadar系统在多个数据集 (ARIL,Widar,IM-HAR) 中表现出极好的识别性能.
- 在所有测试的数据集上实现了超过98%的准确率,突出显示了它的有效性.
- BVMamba模型成功地捕获了复杂的人类行为的动态特征.
结论:
- IMRadar为非接触式行为感知技术提供了一种高效,强大的解决方案.
- 拟议的BVMamba模型克服了现有的特征提取网络的局限性.
- 这种方法显著推进了用于健康监测及其他领域的智能传感领域.


