Wi-CBR：面向跨域行为识别的显著感知自适应 WiFi 感知
计算机视觉与模式识别
2025-12-17 v4 信号处理
摘要
WiFi 基于跨域行为识别的挑战在于域特定信号对姿态变化产生显著干扰。然而，前述方法通过将多个域中的相位映射到常见特征空间来缓解此干扰。如果采用多普勒频率移位(DFS)信号动态补充相位特征以实现更好的泛化，将使模型不仅能探索更广阔的特征空间，还能避免对姿态语义信息的潜在退化。具体而言，我们提出了一种新型面向跨域行为识别的显著感知自适应 WiFi 感知方法(Wi-CBR)，其构建了一个双支路自注意力模块，旨�从反映动态路径长度变化的相位信息中捕获时序特征，同时从与运动速度相关的 DFS 信号中提取运动学特征。此外，我们设计了显著引导模块，通过运组注意力机制挖掘关键活动特征，并利用门控机制优化信息熵，从而促进特征融合，实现显著性特征与非显著性特征之间有效的相互作用。在两个大规模公开数据集(Widar3.0 和 XRF55)上的大量实验表明，我们方法在既域内也在跨域情景下均表现出优异性能。
引用
@article{arxiv.2506.11616,
title = {Wi-CBR: Salient-aware Adaptive WiFi Sensing for Cross-domain Behavior Recognition},
author = {Ruobei Zhang and Shengeng Tang and Huan Yan and Xiang Zhang and Jiabao Guo},
journal= {arXiv preprint arXiv:2506.11616},
year = {2025}
}