自动 WiFi 传感器 AutoSen 通过提取综合的跨模态特征，在无标签 CSI 数据中实现了出色的 WiFi 自动感应能力。

Jan, 2024

本文提出了一种新的大规模 WiFi 感应框架，名为 EfficientFi，通过边缘计算和云计算结合的方式，可以高效地压缩和还原 WiFi 信道信息，实现了准确的无设备人体活动感应，并在智能家居应用中实现了大范围的 WiFi 感应。

Apr, 2022

本文介绍了近年来 WiFi sensing 技术的进展，提出了一个名为 SenseFi 的公共基准，并对比了不同的深度学习模型，旨在研究不同的实验任务、WiFi 平台、识别准确度、模型大小、计算复杂度、特征可迁移性以及非监督学习的适应性。它还被视为一个基于深度学习的 WiFi sensing 教程，从 CSI 硬件平台到传感算法开始。作为首个带有开源库的 WiFi sensing 深度学习基准，这项研究为实际应用提供了深层模型设计、学习策略技巧和训练方法的经验。

Jul, 2022

本研究提出了一种新型的人体步态识别方法，名为 GaitFi，该方法利用 WiFi 信号和视频进行人体识别，其中 Channel State Information 可以捕捉人体步态，经实验证明 GaitFi 表现较好，可达到 94.2% 的人体识别准确率。

Aug, 2022

我们提出了一种新的无监督多模态 HAR 解决方案 MaskFi，该方案利用仅有的未标记视频和 WiFi 活动数据进行模型训练，通过预测表示学习中的遮挡区域，使模型能够学习跨模态和单模态特征。我们的方法在两个内部采集的 WiFi-vision 数据集上进行了广泛的实验证明，同时在鲁棒性和准确性方面实现了人类活动识别和人员识别。

Feb, 2024

基于 WiFi 信道状态信息（CSI）的人类活动识别实现了室内的非接触和视觉隐私保护感知。然而，由于环境条件和传感硬件的变化导致模型推广能力较差，这是该领域一个众所周知的问题。为了解决这个问题，在本研究中将常用于基于图像学习的数据增强技术应用于 WiFi CSI，探究它们对跨场景和跨系统设置下模型推广能力的影响。特别关注了直视（LOS）和穿墙非直视（NLOS）场景之间以及不同天线系统之间的推广能力，此前研究较少。我们收集并公开了一个人类活动 CSI 振幅谱图的数据集。利用这些数据，进行了一个消融研究，使用 EfficientNetV2 架构训练了基于活动识别模型，从而评估每种数据增强技术对模型推广能力的影响。实验结果显示，应用于 CSI 振幅数据的特定数据增强技术组合可以显著提高跨场景和跨系统的推广能力。

Jan, 2024

本文提出了一种针对弱监督 WiFi 姿势估计的领域自适应算法 AdaPose，该方法通过引入映射一致性损失来消除源域和目标域之间的领域差异，从而在智能城市中广泛应用 WiFi 姿势估计。

Sep, 2023

本研究提出使用智能无线设备作为监督标签，通过 AutoTune 技术学习并完善人脸识别系统，实现无需用户干预的特定环境下不断演进的面部识别系统。

Aug, 2019

通过 Wi-Fi 技术 CarFi 系统，实时辅助共享出行服务驾驶员确定乘客位置，提高用户体验并减少 CO₂ 排放。

Dec, 2022

本研究综合分析了基于不同种类的 SSL 算法在 WiFi CSI 基础上人体行为识别中的潜力，并通过对三个公开数据集的评估，揭示现有工作中的局限性和盲点，为实际应用和未来研究提供了有价值的指导。

Jul, 2023