无需数据预处理：一种基于无线电的设备无关情境感知通用框架

设备无关情境感知对许多应用十分重要。设备无关情境感知有两类广泛使用的方法，即基于视频的和基于无线电的。基于视频的应用能取得良好性能，但隐私是严重问题。基于无线电的情境感知因不侵犯隐私且无线电信号可穿透障碍物而受到研究者关注。近来，深度学习被引入基于无线电的设备无关情境感知，助力提升识别准确率。现有工作针对每种无线电应用设计显式方法，并在分类前额外增加一步以提取特征，将深度学习用作分类工具。这一额外的初始数据处理步骤引入了不必要的噪声与信息损失。然而，若无初始数据处理，探索原始信号的模式颇具挑战。本文首次提出一种创新的、基于深度学习的通用框架，同时完成信号处理与分类。本文的关键新颖之处在于该框架可推广至所有基于无线电的情境感知应用。我们还省去了从原始无线电信号提取特征的多余工作。我们进行了大量评估，以展示所提方法的优越性能及其泛化能力。