在嵌入式设备中实现Wi-Fi传感的工具和方法
Jesus A Armenta-Garcia1, Felix F Gonzalez-Navarro1, Jesus Caro-Gutierrez1
1Engineering Institute, Universidad Autonoma de Baja California, Calle de la Normal S/N Col. Insurgentes Este, Mexicali 21100, Mexico.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
本研究介绍了一种高效的嵌入式Wi-Fi传感系统,用于人类活动识别 (HAR). 它在使用微控制器的边缘设备上实现了准确的,保护隐私的HAR,克服了硬件和云计算的限制.
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:
- 使用通道状态信息 (CSI) 的Wi-Fi传感是人类活动识别 (HAR) 的关键技术.
- 现有的方法通常需要专门的硬件和资源密集型深度学习模型,限制边缘部署.
- 这些局限性阻碍了Wi-Fi传感的可扩展性和可访问性,以保护隐私.
研究的目的:
- 开发一种新的,低成本的嵌入式解决方案,用于基于Wi-Fi传感的HAR.
- 解决当前 HAR 系统中硬件依赖性和基于云的推断所带来的挑战.
- 创建一个可以在资源受限的边缘设备上部署的保护隐私的HAR系统.
主要方法:
- 为低成本的微控制器开发了一个新的CSI收集工具,优化了数据包速率的效率.
- 创建了一个基于DenseNet的优化HAR模型,用于在边缘设备上部署.
- 引入基于经验模式分解 (EMD) 的数据增强技术,以解决有限的训练数据.
- 介绍了一个新的HAR数据集,用于评估嵌入式Wi-Fi传感解决方案.
主要成果:
- 基于EMD的数据增强显著提高了模型准确性,从59.91%提高到97.55%.
- 一个紧的DenseNet变体在ESP32-S3微控制器上实现了92.43%的准确性,推断延迟为232毫秒.
- 拟议的模型需要最小的内存 (127kB),证明了高效的边缘部署.
结论:
- 拟议的嵌入式解决方案为HAR提供了一个可扩展,低成本和保护隐私的Wi-Fi传感方法.
- 该系统克服了现有方法的局限性,通过在不依赖云计算的情况下实现设备上的推断.
- 这项研究证明了在资源有限的边缘设备上高精度HAR的可行性.


