SiMWiSense：基于Wi-Fi信号的同时多目标活动分类
网络与互联网体系结构
2023-09-11 v1
摘要
Wi-Fi感知的最新进展带来了家庭监控、远程医疗、道路安全和家庭娱乐等诸多普适应用。现有工作大多局限于给定时刻单人的活动分类。相反，更现实的场景是实现同时多目标活动分类。此情境下的首要关键挑战是类别数随目标数与活动数指数增长。此外，已知Wi-Fi感知系统难以适应新环境与新人。为解决这两问题，我们提出SiMWiSense，首个基于Wi-Fi、可泛化至多环境与多目标的同时多目标活动分类框架。我们利用位于目标最近处的设备计算的信道状态信息(CSI)解决可扩展性问题。我们通过实验证明该直觉：当使用距目标最近的收发器计算的CSI进行分类时准确率最佳。为解决泛化问题，我们提出名为特征可复用嵌入学习(FREL)的全新少样本学习算法。通过在3种不同环境中3人同时执行20种活动的广泛数据采集，我们证明SiMWiSense分类准确率高达97%，而FREL较传统卷积神经网络(CNN)准确率提升85%，较先进少样本嵌入学习(FSEL)提升达20%，且每类仅用15秒额外数据。为可复现，我们共享了1TB数据集与代码仓库。
引用
@article{arxiv.2304.00057,
title = {SiMWiSense: Simultaneous Multi-Subject Activity Classification Through Wi-Fi Signals},
author = {Khandaker Foysal Haque and Milin Zhang and Francesco Restuccia},
journal= {arXiv preprint arXiv:2304.00057},
year = {2023}
}
备注
This work has been accepted for publication in IEEE WoWMoM 2023