从WiFi CSI中学习共享语义表示以实现统一的多任务人体活动识别
《Electronics》:Learning Shared Semantic Representations from WiFi CSI for Unified Multi-Task Human Activity Recognition
【字体:
大
中
小
】
时间:2026年08月27日
来源:Electronics 2.9
编辑推荐:
摘要
人类活动识别(HAR)在智能无线感知和移动边缘计算中扮演着至关重要的角色。与传统的基于视觉和可穿戴设备的方法相比,WiFi信道状态信息(CSI)能够实现隐私保护和无设备的活动感知。CSI编码了由人体引起的信道变化,为无线网络上的面向活动的语义分析提供了自然基础。然而
摘要
人类活动识别(HAR)在智能无线感知和移动边缘计算中扮演着至关重要的角色。与传统的基于视觉和可穿戴设备的方法相比,WiFi信道状态信息(CSI)能够实现隐私保护和无设备的活动感知。CSI编码了由人体引起的信道变化,为无线网络上的面向活动的语义分析提供了自然基础。然而,现有的基于WiFi CSI的方法存在跨场景泛化能力弱、模型复杂度高以及多任务协作差等问题。为了解决这些问题,本文提出了UniSense-CSI,一个统一的多任务框架,能够联合学习动态手势识别、静态姿势分类和跌倒检测。具体而言,所提出的框架将CSI信号转换为伪RGB图像,利用定制的ConvNeXt骨干网络提取时空特征,并借助改进的PerceiverIO模块将高维特征压缩至紧凑的潜在空间。基于共享表示,引入任务查询和适配器,从而在共同架构内实现并行的多任务推理。在公开数据集上的实验表明,所提出的框架在三个任务上分别达到了99.64%、99.66%和96.09%的准确率,同时保持了较低的推理延迟和良好的边缘部署能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号