基于Wi-Fi CSI幅度和相位扰动的Transformer人体识别
机器学习
2025-07-18 v1
摘要
Wi-Fi sensing 正在作为非侵入且保护隐私的视觉系统人体识别的替代方案而日益受到关注。然而，如何通过无线信号进行人体识别（尤其是在用户不动时）仍然基本未被探索。大多数先前的无线方法依赖于运动模式（如行走步态）来提取生物特征。相反，我们提出了一种基于Transformer的方法，通过保持主体静止不动的CSI记录来识别个体。CSI捕获了由人体与无线电信号相互作用产生的细粒度幅度和相位扰动。为支持评估，我们在受控室内环境中使用ESP32设备获取数据集，包含六名参与者在多个姿态下的观察。我们引入了包括离群值移除、平滑和相位校准在内的针对性预处理流程，以提高信号质量。我们的双分支Transformer架构分别处理幅度和相位模态，实现了99.82%的分类准确率，优于卷积和多层感知器基线。这一结果表明CSI扰动具有判别潜力，证明其能够以一致的方式编码生物特征。进一步确认了使用低成本商品化Wi-Fi硬件在实际场景中进行被动、无设备的人体识别的可行性。
引用
@article{arxiv.2507.12854,
title = {Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations},
author = {Danilo Avola and Andrea Bernardini and Francesco Danese and Mario Lezoche and Maurizio Mancini and Daniele Pannone and Amedeo Ranaldi},
journal= {arXiv preprint arXiv:2507.12854},
year = {2025}
}