基于软件定义无线电感知与连续小波变换及深度学习的自残行为检测研究

《Knowledge-Based Systems》：Software-defined radio sensing for self-harming behavior detection using CWT transformation and deep learning

　　

自残行为在青少年和年轻人中普遍存在，与应对困难、情绪困扰、创伤和低自尊密切相关。此类行为严重危害社会福祉、心理健康和情绪稳定，对个人、社会和医疗系统均具有不利影响。早期检测自残行为对于及时干预和降低长期心理风险至关重要。本文中，研究人员提出了一种基于软件定义无线电（Software Defined Radio, SDR）信号的非接触式平台和深度学习的智能人体自残行为检测系统。该系统使用多载波正交频分复用（Orthogonal Frequency-Division Multiplexing, OFDM）信号提取无线信道状态信息（Channel State Information, CSI）以实现自残检测。系统采用连续小波变换（Continuous Wavelet Transform, CWT）将原始一维OFDM信号转换为二维频谱图表示，从而丰富深度学习模型的特征集。研究人员设计了一种定制卷积神经网络（Convolutional Neural Network, CNN），用于捕捉与自残相关的突发身体动作，同时保持较低的计算复杂度以满足实时部署需求。研究人员将该定制CNN与包括AlexNet、ResNet18和GoogleNet在内的基准预训练深度学习模型进行了严格评估，以验证其具有竞争力的灵敏度和特异度。基于准确率、精确率、召回率、F₁-score和计算效率参数等性能指标进行了全面比较。所提出的定制模型达到了具有竞争力的准确率（96%）和F₁-score（94%），同时计算效率显著更优，仅需3,305,801个可训练参数、12.61 MB内存和45.09 ms推理时间。

自残行为（self-harm）在青少年和大学生群体中高发，与情绪困扰、创伤、低自尊及应对困难密切相关，严重损害个人、社会和医疗系统。由于自残行为常被隐藏，早期检测极具挑战。现有检测手段如可穿戴设备存在依从性差、不适感强和监测信息不全面等局限，视频监控则受制于隐私和空间边界。射频（Radio Frequency, RF）感知和软件定义无线电（Software Defined Radio, SDR）具有非接触、不侵犯隐私的优点，结合深度学习可望突破传统方法的瓶颈。

研究人员提出了一种基于SDR感知、连续小波变换（Continuous Wavelet Transform, CWT）和定制卷积神经网络（Convolutional Neural Network, CNN）的非接触式自残行为检测系统。该系统利用多载波正交频分复用（OFDM）信号提取无线信道状态信息，通过CWT将一维射频信号转换为二维时频图，并设计轻量级CNN实时捕捉自残相关的突发动作。在十名受试者（七男三女）于实验室环境中采集的数据集上，该模型在常规数据划分下达到96%的准确率和94%的F₁-score，仅需3,305,801个可训练参数、12.61 MB内存和45.09 ms推理时间，在性能与计算效率之间取得了良好平衡，表明其具备实时非接触式行为监测的潜力。

关键方法概述：研究人员在受控实验室内，使用两台USRP（NI-2290）相距5米部署，十名受试者（七男三女）在收发天线之间执行九种动作（七种自残动作和两种正常动作），每种动作持续3秒，共采集7,560个样本。原始OFDM射频信号经LabVIEW预处理去除噪声和低子载波并归一化；采用CWT（Morlet小波，尺度参数50，12个带通滤波器）生成二维频谱图，统一缩放至227×227像素；设计定制CNN（含3×3卷积、最大池化、全连接和softmax）进行分类，并与AlexNet、ResNet18、GoogleNet进行对比。在70/30和80/20数据划分、ADAM/SGD优化器、批次64/128以及留一受试者交叉验证（LOSO-CV）下进行评估。

研究结果：

4.1 性能评估指标：采用准确率、F₁-score、训练和验证损失及准确率等指标，综合评价模型分类性能、稳定性和泛化能力。

4.2 准确率和F₁-score结果分析：在70/30和80/20数据划分下，比较四种模型在不同优化器和批次大小下的表现。定制CNN在所有配置下均稳定达到约96%准确率，对优化器变化不敏感；GoogleNet在ADAM下峰值最高（99%），但改用SGD后急剧下降（最低至28%准确率），表明其严重依赖ADAM；ResNet18表现稳定但略逊；AlexNet在ADAM下良好，SGD下明显下降。ADAM总体优于SGD。

4.3 训练和验证损失与准确率分析：定制CNN在两种数据划分下均获得最低损失（低于0.25）和最快收敛，训练和验证准确率相近，泛化良好；ResNet18损失约0.3，AlexNet损失较高，GoogleNet在SGD下损失超过1.5且验证准确率低于50%。批次64损失曲线波动较大，批次128更平滑。

4.4 模型计算效率：定制CNN仅需3,305,801个可训练参数、12.61 MB内存和45.09 ms推理时间；AlexNet参数最多（46.78M）、内存最大（178.47 MB）且推理时间最长（85.04 ms）；ResNet18和GoogleNet居中。表明定制CNN在资源受限场景更具优势。

4.5 留一受试者交叉验证（LOSO-CV）结果：采用LOSO-CV评估跨受试者泛化能力。定制CNN获得最高的平均准确率和F₁-score（均为97.1%），且标准差小；ResNet18次之（96.8%），AlexNet为96.2%，GoogleNet最低（92.3%）且波动明显。混淆矩阵显示，相似动作（如拉头发与抓挠、拍打与击打）仍存在混淆，但定制CNN误分类最少，表现出最强的受试者无关泛化性。

讨论部分总结：ADAM优化器在深层网络和复杂损失面上显著优于SGD，定制CNN凭借精简结构实现了精度与效率的最佳平衡。尽管GoogleNet在特定条件下峰值精度最高，但其对优化器和批次的强敏感性限制了实用性。相似动作间的混淆提示未来需引入更精细的时频特征或注意力机制。该系统的部署性能尚未在专用边缘硬件上得到验证。

研究结论翻译：本文提出了一种结合软件定义无线电感知、连续小波变换和定制CNN的非接触式自残行为识别框架。利用CWT将一维射频信号转换为二维时频表示，使模型能够捕捉人体运动的非平稳特征。在常规数据划分实验中，所提CNN准确率达到96%，F₁-score为94%。ADAM通常比SGD收敛更快、损失更低且性能更稳定。正常动作（如阅读和行走）识别准确率很高，但相似运动模式的动作（如拉头发与抓挠、拍打与击打）之间仍存在混淆。LOSO-CV评估进一步验证了其受试者无关性能，在留出受试者上平均准确率和F₁-score均达97.1%。模型计算开销小，约330万可训练参数、12.61 MB内存和45.09 ms平均推理时间。与AlexNet、ResNet18和GoogleNet相比，定制CNN在分类性能、模型规模、内存占用和推理速度之间实现了更优平衡，表明其适合实时和资源受限应用。