Apr, 2023

使用 WiFi CSI 的时域选择性循环神经网络进行多房间无设备人体存在检测

PDF
TL;DR本文通过使用无线电波通信的 WiFi 接入点提供的信道状态信息，设计了一个无需摄像头设备的人体检测系统，通过提取时间序列中的特征，并使用动态和静态（DaS）数据预处理技术来提取人的运动和空间特征，利用投票机制解决了房间隔板带来的信号衰减问题，使得我们的 TCD-FERN 系统在多个房间环境下使用较少的 WiFi 接入点就可以有效地实现人体检测。
human presence detectionchannel state information (csi)wifi access points (aps)time feature extractiondevice-free
发现论文，激发创造
  • 室内 WiFi 系统设备无人壁穿透式存在检测基于增强注意力深度学习

    本文提出了一种使用 Wi-Fi 信号中的信道状态信息进行人体存在检测的深度学习模型，并结合静态特征以提高静态状态下检测的准确性，在一系列的评估中展示出比其他模型更高的准确率且更具稳定性。

    Apr, 2023

  • 基于 CSI 的高效自我隔离监测系统，使用支路卷积神经网络

    本研究提出一种基于 Wi-Fi 信号的无设备自我隔离监测系统，利用卷积神经网络进行房间占用检测和人类活动识别，平均准确率可达 98.19％，降低了 54.04％的推理延迟。

    May, 2023

  • 使用灵活且可扩展的软件定义无线电进行深度学习的非接触式人类活动识别

    本研究基于 Wi-Fi CSI 研究人体活动识别，提出一种使用深度学习方法的系统，并比较了卷积神经网络、长短期记忆网络和混合模型的效果，结果表明 LSTM 的平均准确率达到 95.3％，相比 CNN 和混合技术更加有效，未来需要在不同的复杂环境中研究其稳健性。

    Apr, 2023

  • 基于注意力机制的 CSI 无线定位

    本研究提出了一种基于注意力机制的 CSI（Channel State Information）用于深度神经网络的鲁棒特征学习，在铁路环境中的表现优于使用基础 DNN。

    Mar, 2022

  • 一种基于 Wi-Fi 信道数据的人对人交互识别的前瞻性方法，采用注意力双向门控循环神经网络和 GUI 应用程序实现

    本文提出了一种基于 Wi-Fi 信号的人体移动监测技术，通过开发神经网络模型，能够识别人际交互行为并在实时环境下呈现监测结果。

    Feb, 2022

  • GaitFi: 基于 WiFi 和视觉多模态学习的强健无设备人体识别

    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

  • 长距离穿墙人体活动识别的定向天线系统

    基于 WiFi 信道状态信息（CSI）的无线人体活动识别（HAR）通过保护视觉隐私，在空间受限的环境中实现了无接触、远距离感知。本研究评估了基于 ESP32-S3 芯片的 4 种 2.4GHz 定向天线系统，以促进墙壁背后的远距离人体活动识别，提出了两种有前景的系统：一种是将 ESP32-S3 与定向双平截头天线结合，另一种则通过平面反射器实现方向性，并通过 ESP32-S3 的内置印刷倒 “F” 天线（PIFA）进行识别。在实验环境中，使用 Wallhack1.8k 数据集（包含 1806 个人体活动的 CSI 幅度谱图）对两种系统的直视和非直视条件下的人体活动识别性能进行综合评估，所提出的系统在非直视条件下的精度分别达到 92.0$pm$3.5 和 86.8$pm$4.7，证明了实现墙壁背后的长距离人体活动识别的可行性。

    Jan, 2024

  • 半监督双向师生学习在时变 CSI 下的室内存在检测中的应用

    本文提出双向师生网络进行半监督学习，利用部分标记数据和未标记数据集组合，增强损失函数，可测距离和熵等方法识别环境变化，适应各种复杂环境下的室内人体检测，相对于现有的 SSL 模型，可以在不使用标记数据的情况下达到最高检测精度并获得与 SL 方法相近的性能。

    Dec, 2022

  • 80MHz Wi-Fi 通道用于无线人体感应的 CSI 数据集

    该研究提供了一个包含多个环境、不同硬件、13 个主体和 13 个小时的 IEEE 802.11ac 信道数据集，以测试人体识别和人数统计算法的 WiFi 移动检测技术。

    Apr, 2023

  • 一维卷积神经网络 CSI 室内定位框架

    本文提出了一个包括数据收集，模式聚类，降噪，校准和轻量级一维卷积神经网络模型的端到端解决方案，并使用信号指纹技术解决复杂室内环境下通道状态信息的检测问题，实验表明该方法性能达到最佳神经网络和信道状态信息室内定位作品的 68.5％，参数极少。

    May, 2022