我院“无线通信与网络先进技术”团队在中国计算机学会(CCF) 推荐的A类国际学术期刊IEEE Transactions on Mobile Computing (TMC) 发表题为“WiSDA: Subdomain Adaptation Human Activity Recognition Method Using Wi-Fi Signals”（DIO: 10.1109/TMC.2024.3501299）的研究论文。我院电子信息工程系焦万果副教授为第一作者和通讯作者。  

                     （a）基于WiFi 的动作识别流程                                                                    （b）WiSDA整体网络架构

 图 1 WiSDA系统设计概述

       作为Wi-Fi感知的基于Wi-Fi信号的人类动作识别研究，已成通信感知一体化的重要研究内容，其应用前景十分广阔。现有模型利用Wi-Fi的CSI来识别不同环境下的人体动作，在精度和模型复杂度、通用性方面仍面临很大的挑战，尤其是传统的监督学习策略不能保证模型在未知环境下的识别性能，为此，作者提出了一种基于域自适应的人体动作识别框架，来实现跨域动作识别，即WiSDA。在数据处理阶段，WiSDA采用递归图算法对CSI时序信号作数据增强和扩充；在模型训练阶段，通过采用少量无标签的目标域数据与源域进行特征对齐，模型可自主学习出最佳的特征表达，有效减少标签数据采集成本。实验结果表明WiSDA在跨位置、跨朝向、跨用户上，均取得平均93%的识别精度，且不同前馈网络模型嵌入到WiSDA中，均可取得良好的性能，验证了框架的通用性。

      该研究在基础的WiFi识别框架上，通过结合域自适应和伪标签策略，进一步完善了跨域识别系统的设计。通过大量实验验证，作者所提出的方法在域外识别精度、域内识别精度、计算复杂度等关键性能指标上要显著优于已有方法，为万物互联的未来带来了更多可能性。