面向多站点WiFi CSI感知的鲁棒框架：抗站点级特征缺失与有限标注数据
机器学习
2026-03-25 v2
摘要
我们提出了一个WiFi信道状态信息（Channel State Information, CSI）感知框架，用于多站点部署，解决实际CSI感知中的两个根本性挑战：站点级特征缺失和有限标注数据。特征缺失通常通过对不均匀分布的CSI测量进行重采样或重建缺失样本来处理，而标注稀缺则通过数据增强或自监督表征学习来缓解。然而，这些技术通常是在孤立的情况下开发的，无法同时解决长期结构化的站点不可用问题和标注稀缺问题。为弥合这一差距，我们将站点不可用显式地纳入表示学习和下游模型训练中。具体而言，我们将适用于时间序列感知数据的跨模态自监督学习（Cross-modal Self-supervised Learning, CroSSL）框架应用于多站点CSI感知，以学习天然免除站点级特征缺失的表征。此外，我们在下游模型训练期间引入站点级遮蔽增强（Station-wise Masking Augmentation, SMA），在有限标注数据下暴露模型于真实的站点不可用模式。我们的实验表明，缺失性不变的预训练和站点级增强单独都不够；两者的结合是实现在站点级特征缺失和标注稀缺条件下的鲁棒性能的关键。该框架为实际部署中的多站点WiFi CSI感知提供了实用且稳健的基础。
引用
@article{arxiv.2603.11858,
title = {Multi-Station WiFi CSI Sensing Framework Robust to Station-wise Feature Missingness and Limited Labeled Data},
author = {Keita Kayano and Takayuki Nishio and Daiki Yoda and Yuta Hirai and Tomoko Adachi},
journal= {arXiv preprint arXiv:2603.11858},
year = {2026}
}
备注
17 pages, 14 figures, 7 tables