基于 WiFi CSI 的人体活动识别的自监督学习：一项系统性研究
信号处理
2023-08-07 v1 人工智能
人机交互
机器学习
摘要
近年来，随着物联网（IoT）的发展，基于 WiFi CSI 的人体活动识别（HAR）日益受到学术界和工业界的关注。通过将深度学习技术与基于 CSI 的 HAR 相结合，研究者在无需专家知识的情况下取得了最先进的性能。然而，由于基于 CSI 的 HAR 数据具有隐私性和难以理解性，标注 CSI 数据的稀缺性仍是基于 CSI 的 HAR 中应用深度学习模型时最突出的挑战。另一方面，自监督学习（SSL）已成为一种有前景的方法，可在不过度依赖标注样本的情况下从数据中学习有意义的表示。因此，人们已做出大量努力，利用 SSL 算法来解决深度学习中的数据不足问题。在本文中，我们对该领域内不同类别 SSL 算法的潜在能力进行了全面的梳理与分析，包括先前已被研究过的和尚未被探索的算法。我们对 WiFi CSI 基于 HAR 背景下的 SSL 算法进行了深入调研。我们使用三个公开的 CSI HAR 数据集对四类 SSL 算法进行了评估，每个数据集涵盖不同的任务和环境设置。为确保与真实应用的相关性，我们设计了符合特定需求的性能指标。此外，我们的实验发现揭示了现有工作中的若干局限性与盲点，突出了在 SSL 能够有效部署于真实世界基于 WiFi 的 HAR 应用之前需要克服的障碍。我们的结果也可作为工业从业者的实用指南，并为该领域的未来研究工作提供有价值的见解。
引用
@article{arxiv.2308.02412,
title = {Self-Supervised Learning for WiFi CSI-Based Human Activity Recognition: A Systematic Study},
author = {Ke Xu and Jiangtao Wang and Hongyuan Zhu and Dingchang Zheng},
journal= {arXiv preprint arXiv:2308.02412},
year = {2023}
}