面向可变交通模式的实用 Wi-Fi 基于运动识别
机器学习
2026-05-12 v1 人工智能
信号处理
摘要
Wi-Fi 探测通过分析从 Wi-Fi 传输中推断的信道状态信息（CSI）来检测人类运动和活动。然而，影响变量传输流量的影响往往被忽视，这决定了有效的采样率和间隔。现有 Wi-Fi 探测系统在训练时使用固定输入大小和采样率，导致采样率泛化性能差。本文提出一种 novel Wi-Fi 探测方法，用于运动识别应用，如手势和活动识别，以可变交通模式下运行。基于Transformer的一种采样率多样性神经网络（SRV-NN）被提出来高效处理可变输入大小的探测信号。采用动态采样率增强用于可变采样率和间隔。为验证我们的方法，我们进行了广泛的实验评估，使用两个自收集数据集，即 SRV 活动和 SRV 手势，以及两个公开数据集。我们的方法在可变采样率下表现出卓越的性能和稳定性，与基线模型相比在平均准确率上有显著提升。该方法通过大大降低不同采样率下的准确率方差，显著增强了稳定性。
引用
@article{arxiv.2605.08308,
title = {Practical Wi-Fi-based Motion Recognition Under Variable Traffic Patterns},
author = {Guolin Yin and Junqing Zhang and Guanxiong Shen and Simon L. Cotton},
journal= {arXiv preprint arXiv:2605.08308},
year = {2026}
}
备注
17 Pages