IBIS：面向鲁棒 Doppler 基于动作识别的混合 Inception-BiLSTM 和 SVM 集成
计算机视觉与模式识别
2026-01-27 v2
摘要
Wi-Fi sensing 是人类活动识别 (HAR) 的领导技术，提供非侵入且成本效益高的解决方案，适用于医疗保健和智能环境。尽管具有巨大的潜力，现有方法在域迁移问题上常常难以泛化到未见环境，因过拟合而失败。本文提出了 IBIS，一个稳健的集成框架，结合 Inception 双向长短期记忆 (BiLSTM) 进行特征提取和支持向量机 (SVM) 进行 Doppler 签名分类。该体系结构专为提升泛化能力而设计。实验结果表明，IBIS 在多个数据集上实现了 95.40% 的准确率，在外部数据集上的跨情景评估中相较于标准体系结构实现了 7.58% 的性能提升。分析确认，IBIS 有效缓解了基于 Wi-Fi 的 HAR 中的环境依赖性。
引用
@article{arxiv.2510.24936,
title = {IBIS: A Hybrid Inception-BiLSTM and SVM Ensemble for Robust Doppler-based Human Activity Recognition},
author = {Alison M. Fernandes and Hermes I. Del Monego and Bruno S. Chang and Anelise Munaretto and Hélder M. Fontes and Rui L. Campos},
journal= {arXiv preprint arXiv:2510.24936},
year = {2026}
}
备注
12 pages. 10 figures. Wireless Days Conference, December 2025