.png){kind=icon}
返回
MoCoNet: Motion-Aware Convolution for Wi-Fi-Based Multi-User Activity Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/lcomm.2026.3715770.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于多用户WiFi信道状态信息(CSI)的人体活动识别(HAR)具有挑战性，因为接收到的CSI包含来自多个用户的运动诱导信道变化的重叠信息，这增加了对每个用户活动进行鲁棒推断的复杂性。在此研究中，我们提出了一种运动感知卷积框架，该框架引入了信号引导的局部聚合方法用于多用户WiFi CSI HAR。从CSI相位中提取紧凑的运动线索，并用于调制沿时间、子载波和联合方向的卷积。这使得模型能够强调混合多用户观测数据中的局部CSI一致性模式，有助于学习更具区分性和抗干扰性的多用户HAR CSI表示。在WiMANS基准测试中的实验表明，MoCoNet是一种有效且复杂度平衡的设计，在标准环境-频段评估下实现了89.56%的平均准确率，并在所有报告的环境-频段设置中持续优于代表性基线模型。此外，在5 GHz leave-one-environment-out评估下，MoCoNet在所有比较的基线模型中达到了最高的73.17%平均准确率。
Keyword:
WiFi sensing
channel state information (CSI)
multi-user activity recognition
convolutional neural network (CNN)
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
.png){kind=icon}
分享收藏WiFi CSI Based Passive Human Activity Recognition Using Attention Based BLSTM使用基于注意力的BLSTM的基于WiFi CSI的被动人体活动识别
PREAI
分享收藏A Tutorial-Cum-Survey on Self-Supervised Learning for Wi-Fi Sensing: Trends, Challenges, and OutlookWi-Fi感知中自监督学习的教程与综述：趋势、挑战与展望
OAAI
OAAI分享收藏
查看更多内容