多天线 WI-FI 基于人类活动识别的 DOPPLER 辐射场引导天线选择以提高泛化能力.pdfVIP

多天线WI-FI基于人类活动识别的DOPPLER辐射场引导天线选择以提高泛化能力

NavidHasanzadehandShahrokhValaee,Fellow,IEEE

DepartmentofElectricalComputerEngineering,UniversityofToronto,Toronto,ON,Canada

navid.hasanzadeh@mail.utoronto.ca,valaee@ece.utoronto.ca.

ABSTRACT研究要么使用CSI幅度要么是相位[5,6,7,8,9]与机器

随着IEEE802.11bf任务组对WLAN标准进行高级传感学习技术相结合，但这些方法仅在静态环境中表现出可靠

方面的修订，使用Wi-Fi信道状态信息（CSI）进行远程的性能。它们对环境变化的敏感性导致了有限的准确性和

传感的兴趣激增。最近的研究表明，通过从CSI导出的多较差的泛化能力，尤其是在未见过的用户或位置上[10]。

普勒辐射场（DoRFs）学习统一的三维运动表示显著提高最近的方法从Wi-FiCSI中提取多普勒速度以捕

本了基于Wi-Fi的人体活动识别（HAR）的泛化能力。尽管捉运动引起的频率偏移，同时抑制静态成分[11,12]。

译有这些进展，CSI信号仍然受到不同步接入点（AP）时钟MORIC[13]扩展了这一想法，通过将多普勒投影建模为

中和来自环境及硬件来源的加性噪声的影响。因此，即使使球面上虚拟相机的视角，每个相机通过冯·米塞斯-费舍尔

用现有的预处理技术，用于DoRFs的CSI数据和多普勒分布总结多径效应。这种结构化的表示提高了泛化能力，

1

v速度投影仍容易受到噪声和异常值的影响，限制了HAR但仍受限于随机和不完整的视角。受机器视觉中神经辐射

9性能。为了解决这一挑战，我们提出了一种针对多天线场（NeRFs）[14]的启发，多普勒辐射场（DoRFs）[15]通

2

1AP的新框架来抑制噪声并基于DoRF拟合误差识别最具过从一维多普勒投影重建运动的统一三维潜在表示来解

5

1信息量的天线，这些误差捕捉到多普勒速度投影之间的不决这个问题。DoRF将分散的视角整合到一个连贯的整体

9.一致性。在一个具有挑战性的小型手部手势识别数据集上模型中，模拟所有视角下的观测结果，并使未见过的用户

0的实验结果表明，所提出的基于DoRF引导的Wi-Fi人和环境具有更强的泛化能力。

5

2体活动识别方法显著提高了泛化能力，为稳健的实际传感尽管DoRF取得了进展，CSI信号中的噪声仍可能在

:

v部署铺平了道路。多普勒投影及由此产生的DoRF中引入虚假变化，导致机

i

x器学习模型在HAR中错误分类活动，尤其是在活动非常

rIndexTerms—人类活动识别，Wi-Fi感应，多普勒

a相似的情况下。事实上，即使是动作方面的轻微误导也可

辐射场，信道状态信息

能会显著降低手部手势识别等细粒度任务的性能。因此，

与计算机视觉中的NeRF不同，在用于三维重建的图像通

1.介绍

常噪声较低的情况下，CSI数据中的高噪声水平严重限制

Wi-Fi感应正迅速迈向日常使用，这得益于IEEEbf了如DoRF之类方法的一般化能力。这些噪声源以高度

修正案，该修正案定义了WLAN感应的标准协议，并开非线性的方式扭曲CSI相位，产生由多径干扰、本地振荡

放了对低于GHz[1]频段的无许可证访问。通过利用现器漂移和无线网络接入点(AP)单个Wi-Fi天线