基于WiFi的多任务感知
机器学习
2021-11-30 v1
摘要
基于WiFi的感知近年来引起了极大关注。其原理在于人体引起的信号波动携带了人体行为信息，可从WiFi的信道状态信息中提取。然而，先前的研究主要聚焦于单任务感知（STS），例如手势识别、室内定位、用户识别。由于手势引起的波动与身体特征及用户位置高度耦合，我们提出一种基于WiFi的多任务感知模型（Wimuse）来同时执行手势识别、室内定位和用户识别任务。然而，这些任务具有不同难度级别（即不平衡问题）且需要任务特定信息（即差异问题）。为解决这些问题，Wimuse中采用了知识蒸馏技术与任务特定残差适配器。我们首先为每个任务训练STS模型。然后，为解决不平衡问题，Wimuse中提取的共性特征被鼓励接近STS模型的对应特征。进一步，对每个任务应用任务特定残差适配器以提取任务特定补偿特征，其与共性特征融合以解决差异问题。我们在三个公开数据集上进行了全面实验，评估表明Wimuse在手势识别、室内定位和用户识别联合任务上分别以85.20%、98.39%和98.725%的平均准确率达到了最先进（SOTA）性能。
引用
@article{arxiv.2111.14619,
title = {WiFi-based Multi-task Sensing},
author = {Xie Zhang and Chengpei Tang and Yasong An and Kang Yin},
journal= {arXiv preprint arXiv:2111.14619},
year = {2021}
}
备注
20 pages, 3 figures, accepted by EAI MobiQuitous 2021 - 18th EAI International Conference on Mobile and Ubiquitous Systems: Computing, Networking and Services