面向异构IoT传感器环境的无通道人类活动识别：基于反映偏置感知的融合设计

Tatsuhito Hasegawa

面向异构IoT传感器环境的无通道人类活动识别：基于反映偏置感知的融合设计

机器学习 2026-04-24 v1 人机交互

作者: Tatsuhito Hasegawa

摘要

人类活动识别（HAR）在Internet of Things（IoT）环境中必须应对异构的传感器设置，这些设置在数据集、设备、身体位置、感知模态和通道组成方面各不相同。这种异构性使得传统固定通道模型难以在不同感知环境中重用，因为其输入表示严格依赖于预定义的通道结构。为解决此问题，我们研究严格无通道HAR，即单一共享模型在推理时不假设固定数量、顺序或语义排列的输入通道，且不依赖于传感器特定的输入层或数据集特定的通道模板。我们认为，融合设计是此设置的核心问题。因此，我们提出一种无通道HAR框架，将通道级编码与共享编码器结合，通过条件批量归一化实现元数据条件的晚期融合，并通过组合损失实现通道级和融合预测的联合优化。该模型独立处理每个通道以处理可变通道配置，而身体位置、模态和轴等传感器元数据有助于恢复通道独立处理 alone 无法保留的结构信息。此外，联合损失鼓励单个通道的判别性以及最终融合预测的一致性。在PAMAP2数据集上进行的实验，以及对六个HAR数据集的鲁棒性分析、消融研究、敏感性分析、效率评估和跨数据集迁移学习，证明了三个主要发现...

关键词

人类活动识别无通道 IoT传感器融合元数据条件融合归纳偏置

引用

@article{arxiv.2604.21369,
  title  = {Channel-Free Human Activity Recognition via Inductive-Bias-Aware Fusion Design for Heterogeneous IoT Sensor Environments},
  author = {Tatsuhito Hasegawa},
  journal= {arXiv preprint arXiv:2604.21369},
  year   = {2026}
}

备注

13 pages, 6 figures, 8 tables, Preprint. This work has been submitted to the IEEE for possible publication

面向异构IoT传感器环境的无通道人类活动识别：基于反映偏置感知的融合设计

摘要

关键词

引用

备注

相关论文