基于 WiFi CSI 数据的人类活动识别中 BiLSTM 与 CNN+GRU 方法的评估

Almustapha A. Wakili; Babajide J. Asaju; Woosub Jung

基于 WiFi CSI 数据的人类活动识别中 BiLSTM 与 CNN+GRU 方法的评估

计算机视觉与模式识别 2025-06-16 v1 人工智能机器学习

作者: Almustapha A. Wakili , Babajide J. Asaju , Woosub Jung

摘要

本文比较了 BiLSTM 和 CNN+GRU 深度学习模型在两个基于 WiFi 的信道状态信息 (CSI) 数据集：UT-HAR 和 NTU-Fi HAR 上进行人类活动识别 (HAR) 的性能。结果表明，得益于其提取空间特征的能力，CNN+GRU 模型在 UT-HAR 数据集上具有更高的准确率 (95.20%)。相比之下，BiLSTM 模型通过更有效地提取长期时间依赖关系，在高分辨率 NTU-Fi HAR 数据集上表现更佳 (92.05%)。这些发现强烈强调了数据集特征和预处理技术在提升模型性能方面的关键作用。我们还展示了此类模型在医疗保健和智能家居系统等应用中的现实适用性，突出了它们在无感活动识别方面的潜力。

关键词

人类活动识别 WiFi CSI BiLSTM CNN+GRU 深度学习 UT-HAR NTU-Fi HAR

引用

@article{arxiv.2506.11165,
  title  = {Evaluating BiLSTM and CNN+GRU Approaches for Human Activity Recognition Using WiFi CSI Data},
  author = {Almustapha A. Wakili and Babajide J. Asaju and Woosub Jung},
  journal= {arXiv preprint arXiv:2506.11165},
  year   = {2025}
}

备注

This Paper has been Accepted and will appear in the 23rd IEEE/ACIS International Conference on Software Engineering, Management and Applications (SERA 2025)

基于 WiFi CSI 数据的人类活动识别中 BiLSTM 与 CNN+GRU 方法的评估

摘要

关键词

引用

备注

相关论文