研究人员开发了一种名为MSF-Net的新型AIoT（人工智能物联网）深度学习框架，用于改进基于WiFi的人类活动识别。通过利用先进的数据融合技术，该框架显著超越现有技术。这一突破在智能家居、老年人护理和医疗监测等领域具有广阔的应用前景。
AIoT框架提升了人类活动识别的准确性
人工智能物联网（AIoT）将人工智能（AI）与物联网（IoT）相结合，融合了这两种技术的优势。与传统的物联网系统不同，后者通常将设备收集的数据传输到远程服务器进行处理，而AIoT设备能够在本地实时处理数据，从而能够立即做出智能决策。这种能力已在智能制造业、智能家居安全和医疗监测等领域得到广泛应用。
在智能家居应用中，准确的人类活动识别至关重要，使AIoT系统能够检测如烹饪或锻炼等活动。通过分析这些数据，系统可以自动调整照明、播放音乐或优化能源使用，从而提高便利性和效率。在各种运动识别方法中，基于WiFi的检测因其广泛的可用性、成本效益和保护用户隐私的能力而脱颖而出。
AIoT的新突破：MSF-Net框架
最近，由韩国仁川国立大学信息技术学院的全光吉教授领导的研究团队提出了一种新的AIoT框架，称为多频谱融合网络（MSF-Net），用于基于WiFi的人类活动识别。他们的研究成果最近发表在《IEEE物联网杂志》上。
全光吉教授解释了他们研究的动机：“作为一种典型的AIoT应用，基于WiFi的人类活动识别在智能家居中越来越受欢迎。然而，由于环境干扰，基于WiFi的识别性能往往不稳定。我们的目标是克服这个问题。”
MSF-Net：增强活动识别的深度学习框架
为此，研究人员开发了强大的深度学习框架MSF-Net，通过信道状态信息（CSI）实现粗略和精细的活动识别。MSF-Net有三个主要组成部分：包括短时傅里叶变换和离散小波变换的双流结构、变压器和基于注意力的融合分支。双流结构用于识别CSI中的异常信息，变压器从数据中高效提取高级特征，最后融合分支增强跨模型融合。
研究人员进行了实验以验证其框架的性能，发现它在SignFi、Widar3.0、UT-HAR和NTU-HAR数据集上的Cohen's Kappa得分分别为91.82%、69.76%、85.91%和75.66%。这些数值突显了MSF-Net在基于WiFi数据的粗略和精细活动识别方面优于现有技术的表现。
“多模态频率融合技术相比现有技术显著提高了准确性和效率，增加了实际应用的可能性。这项研究可以在智能家居、康复医学和老年人护理等多个领域使用。例如，它可以防止跌倒，通过分析用户的动作来提高生活质量，建立非面对面的健康监测系统。”全光吉教授总结道。
总的来说，这项工作提出的物联网和人工智能融合技术——基于WiFi的活动识别，有望通过日常便利和安全大大改善人们的生活！
参考文献：“一种用于基于WiFi的粗略和精细活动识别的AIoT框架与多模态频率融合”由陈俊欣、许旭、王婷婷、全光吉和David Camacho撰写，发表于2024年5月13日的《IEEE物联网杂志》。
DOI: 10.1109/JIOT.2024.3400773
(全文结束)
