基于不确定性感知融合的Wi-Fi被动雷达

Wi-Fi设备可有效用作被动雷达系统，对周围环境进行感知甚至辨识人类活动。我们首次提出一种原则性架构，利用变分自编码器（Variational Auto-Encoder）来估计生成数据的潜在分布，并利用证据深度学习（Evidential Deep Learning）来感知离群（out-of-distribution）活动。我们验证了，来自同一Wi-Fi接收器不同天线的融合数据经处理后，相较于最新基准测试，人类活动识别准确率提升，同时在面对离群样本时仍能保持信息性，并能够以物理现象为语义解释潜在变量。本文结果是为最终目标提供灵活、语义化的黑天鹅事件（black-swan events，即我们拥有有限甚至没有训练数据的事件）特征化的首次贡献。