WISE-HAR：基於 WiFi 的人體活動辨識集成深度學習框架

根據 arXiv 上發布的研究論文，WISE-HAR 是一個通用集成深度學習框架，專門用於基於 WiFi 信號的人體活動辨識。論文探討了傳統相機或穿戴式感測器的限制，強調 WiFi 信號在保護隱私、成本效益和適應各種光線條件的優勢。研究提出三項關鍵改進：首先，採用集成學習結合五種不同的 CNN 架構（包括 Deep CNN、Wide CNN、MobileNetV2、ResNet50V2 和 EfficientNetB0）來解決性能方差問題；其次，應用積極的數據增強技術，如時間扭曲、頻率遮罩和噪聲添加，以應對數據集大小的限制；最後，進行跨場景（從視線內到非視線內）和跨天線（從 Biquad 到 PIFA 天線）評估，以測試現實世界的泛化能力。結果顯示，集成模型在特定場景下達到 94.87% 的測試準確率，優於最佳單一模型；數據增強將隨機森林的性能從 60% 提升至 95%；跨場景評估顯示準確率下降很小，證明了該方法的穩健性和可靠性，適合在不同環境和硬體配置中部署。