基于注意力机制的 WiFi 跨域手势识别
计算机视觉与模式识别
2025-12-05 v1 信号处理
摘要
在完成通信任务的同时，无线信号也可用于感知环境。在各种感知介质中，WiFi 信号具有广泛可用、硬件成本低以及对光照、温度和湿度等环境条件具有强鲁棒性等优势。通过分析环境中的 WiFi 信号，可以捕捉人体的动态变化，从而实现手势识别等感知应用。尽管许多现有的手势感知解决方案在域内表现良好，但缺乏跨域能力（即在未训练环境中的识别性能）。为了解决这一问题，我们从所有接收器接收到的信道状态信息（CSI）中提取多普勒频谱，并将每个多普勒频谱沿同一时间轴连接起来，生成融合多角度信息作为输入特征的融合图像。此外，受卷积块注意力模块（CBAM）启发，我们提出了一种手势识别网络，集成了多语义空间注意力机制和基于自注意力的通道机制。该网络构建注意力图来量化图像中手势的时空特征，从而实现关键域无关特征的提取。此外，ResNet18 被用作骨干网络以进一步捕获深层特征。为验证网络性能，我们在公开的 Widar3 数据集上评估了所提出的网络，结果表明该网络不仅保持了 99.72% 的高域内准确率，而且在跨域识别中达到了 97.61% 的高性能，显著优于现有最佳方案。
引用
@article{arxiv.2512.04521,
title = {WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism},
author = {Ruijing Liu and Cunhua Pan and Jiaming Zeng and Hong Ren and Kezhi Wang and Lei Kong and Jiangzhou Wang},
journal= {arXiv preprint arXiv:2512.04521},
year = {2025}
}