基于注意力增强深度学习的室内 WiFi 系统穿墙无设备存在检测
机器学习
2024-02-09 v3 人工智能
摘要
在室内环境中准确检测人的存在对能源管理和安全等多种应用十分重要。本文提出一种利用 WiFi 信号信道状态信息（CSI）进行人体存在检测的新系统。我们命名为注意力增强存在检测（ALPD）的系统采用注意力机制从 CSI 数据中自动选择信息丰富的子载波，并采用双向长短期记忆（LSTM）网络捕捉 CSI 中的时间依赖关系。此外，我们利用静态特征提高静态状态下人体存在检测的准确率。我们通过部署一对 WiFi 接入点（AP）收集 CSI 数据集来评估所提 ALPD 系统，并与若干基准进行比较。结果表明我们的 ALPD 系统在准确率上优于基准，尤其在存在干扰时。此外，双向传输数据有利于训练，提高稳定性和准确率，并降低训练数据收集成本。进一步说，我们也评估了 ALPD 在多房间中检测更具挑战性人体活动的潜力。总体而言，我们提出的 ALPD 系统利用 WiFi CSI 信号进行人体存在检测展现出有前景的结果。
引用
@article{arxiv.2304.13105,
title = {Attention-Enhanced Deep Learning for Device-Free Through-the-Wall Presence Detection Using Indoor WiFi Systems},
author = {Li-Hsiang Shen and An-Hung Hsiao and Kuan-I Lu and Kai-Ten Feng},
journal= {arXiv preprint arXiv:2304.13105},
year = {2024}
}
备注
Accepted by IEEE Sensors Journal