ARC-Fi：利用天线空间分集实现 Wi-Fi 感知中标签高效的域泛化
机器学习
2026-03-16 v6 信号处理
摘要
Wi-Fi 感知系统在部署于未知真实环境时严重受域偏移阻碍。尽管现有方法试图通过无监督域适应（UDA）或域泛化（DG）解决此问题，它们关键依赖于不可访问的目标数据或极其昂贵的大规模标注源数据集。实践中，收集丰富的无标注信道状态信息（CSI）可行，而人工标注严重受限。这一现实困境催生了半监督域泛化（SSDG）的需求。为此，我们提出 ARC-Fi，首个专用于 Wi-Fi 感知的 SSDG 框架。直接将常规对比学习应用于 CSI 数据不可避免地引发范式特定的“捷径学习”，使模型记忆环境背景而非手势动态。为克服此问题，ARC-Fi 引入物理信息数据增强策略：天线响应一致性（ARC）模块。ARC 利用多天线系统固有的空间分集，将共址天线信号视为天然保持语义的增强视图，以显式阻断环境捷径。此外，我们提出统一的半监督对比目标，利用稀缺标签与可靠伪标签对齐跨域特征，有效防止同类实例的盲目排斥。在 Widar 与 CSIDA 数据集上的大量实验表明，ARC-Fi 确立了新的 SOTA，显著优于现有 UDA、DG 与 SSDG 方法。最终，本工作提供了一种物理 grounded、标签高效的方案，推进了鲁棒真实世界 Wi-Fi 感知系统的可扩展部署。代码见：https://github.com/KaoruMiyazono/UniCrossFi。
引用
@article{arxiv.2310.06328,
title = {ARC-Fi: Exploiting Antenna Spatial Diversity for Label-Efficient Domain Generalization in Wi-Fi Sensing},
author = {Ke Xu and Zhiyong Zheng and Hongyuan Zhu and Lei Wang and Jiangtao Wang},
journal= {arXiv preprint arXiv:2310.06328},
year = {2026}
}