一种可泛化的基于提示的原型框架，用于基于CSI的少样本和跨领域活动识别

《IEEE Journal on Miniaturization for Air and Space Systems》：A Generalizable Prompt-Based Prototypical Framework for CSI-Based Few-Shot and Cross-Domain Activity Recognition

无线传感系统的人体活动识别面临少样本和跨域泛化难题，本文提出Wi-Prompt框架通过提示生成提取源域知识，结合TCN-注意力模型捕捉原型向量，以欧氏距离实现活动分类，实验验证其优于现有模型。

　　

摘要：

近年来，用于人体活动识别（HAR）的无线传感系统取得了显著进展。然而，当前的HAR模型在泛化能力方面面临挑战，这主要是由于训练样本数量有限（即小样本问题），以及不同领域收集的信道状态信息（CSI）数据存在模式差异（即跨域问题）。为了解决这些问题，本文提出了一种基于提示的原型框架，称为Wi-Prompt。Wi-Prompt框架由以下三个模块组成：提示生成模块、原型表示模块和活动识别模块，其工作原理如下：提示生成模块从源域的样本中提取先验知识，为目标域中的类别原型建立提供有价值的指导；原型表示模块利用时间卷积网络（TCN）-注意力模型有效地捕获每个类别最具代表性的原型向量；活动识别模块通过比较新样本对应的原型向量与每个类别的原型向量之间的欧几里得距离来确定活动类别。Wi-Prompt的最大优势在于它采用了基于提示的原型表示方法，消除了对原始CSI样本的领域特定知识的依赖，使其能够适应在不同领域收集的各种CSI数据集。基于真实世界数据的广泛实验结果表明，我们提出的Wi-Prompt在各种跨域场景下的性能均优于现有最先进模型。

引言

得益于移动通信的快速发展，采用非接触式无线技术的人体活动识别（HAR）系统已得到广泛应用，涵盖了众多以人为中心的场景，如健康监测[1]、[2]、智能安全[3]和用户识别[4]。如图1所示，当用户进行站立、行走或跑步等活动时，Wi-Fi信号的传播路径会因身体反射和散射而发生变化。通过在接收端实时获取各种静态和动态传播路径的信道状态信息（CSI），可以推断出人类活动变化与接收到的Wi-Fi信号波动之间的映射关系。早期的HAR无线传感系统[5]、[6]、[7]、[8]通过使用数据驱动和学习型模型取得了显著的性能。因此，与基于视觉[9]和可穿戴传感器[10]的当前传感解决方案相比，基于CSI的HAR系统因其无需设备、保护隐私且不具侵入性的固有优势，有望进一步实现商业化。