从用户识别到活动计数：面向多用户WiFi感知的无身份依赖方法
机器学习
2026-04-21 v1
摘要
Wi-Fi信道状态信息（CSI）可实现无设备的人类活动识别，但现有的多用户方法假设在训练和推理期间一组固定的已知用户。这种封闭式假设限制了部署，因为在应用到新个体或新环境时，训练于特定用户集的模型会性能下降。我们将多用户活动识别重新表述为活动计数问题，即估计给定时间每个活动类型所执行的多个用户数量，而不将动作与特定个体关联。我们提出了一个管道，将CSI测量转换为空间投影，并利用预训练的卷积主干网络提取特征。对WiMANS数据集上评估了两种表述：一种是传统的身份依赖模型，将活动分配给固定的用户槽位；另一种是身份agnostic模型，通过回归估计场景中活动组成。标准评估下，身份agnostic模型在0-5计数比例上的平均绝对误差为0.1081。在未见用户评估中，身份依赖模型的宏F1分数从80.38降至32.61，而身份agnostic模型的计数误差保持稳定。特征空间分析确认，身份agnostic表示更具用户不变性，这解释了其更强的泛化能力。这些结果表明，活动计数为多用户WiFi感知提供了更实用且更具通用性的替代方案。
引用
@article{arxiv.2604.16572,
title = {From User Recognition to Activity Counting: An Identity-Agnostic Approach to Multi-User WiFi Sensing},
author = {Kemal Bayik and Olayinka Ajayi and Daniel Roggen and Philip Birch},
journal= {arXiv preprint arXiv:2604.16572},
year = {2026}
}
备注
9 pages, 5 figures