GraSens：一种用于WiFi动作识别的Gabor残差抗混叠感知框架
计算机视觉与模式识别
2022-05-25 v1 信号处理
摘要
基于WiFi的人体动作识别（HAR）因WiFi信号无处不在且不干扰人的特性，在智能生活与远程监控等应用中被视为一种有前景的方案。然而，WiFi信号的效果易受周围环境变化影响，且在不同子载波间存在差异。为弥补该问题，我们提出一种端到端的Gabor残差抗混叠感知网络（GraSens），以直接利用来自无线设备的WiFi信号在多样场景中识别动作。具体而言，设计了一种新的Gabor残差块来解决周边环境变化的影响，重点学习可靠且鲁棒的WiFi信号时频表示。在每个块中，Gabor层以残差方式与所述抗混叠层集成，以获得平移不变特征。此外，分形时域与频域自注意力被联合提出，以显式聚焦于WiFi信号的有效性，从而提升分散于不同子载波的输出特征质量。在我们自建的无线视觉动作识别数据集（WVAR）及三个公开数据集上的实验结果表明，所提GraSens方案在识别精度上优于当前最优方法。
引用
@article{arxiv.2205.11945,
title = {GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi},
author = {Yanling Hao and Zhiyuan Shi and Xidong Mu and Yuanwei Liu},
journal= {arXiv preprint arXiv:2205.11945},
year = {2022}
}