基于WGAN-GP和Mean Teacher的WiFi使能跨域人体行为识别

作     者：史心玥 夏文超 赵海涛 杨丽花 阮欣雨 常天水 

作者机构：南京邮电大学通信与信息工程学院 南京邮电大学物联网学院 

出 版 物：《无线电通信技术》 (Radio Communications Technology)

年 卷 期：2024年

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基　　金：国家自然科学基金面上项目“智能车联网络业务确定性按需保障关键技术研究”(No.62371250) 国家自然科学基金青年基金项目(No.62201285) 江苏省基础研究计划(自然科学基金)前沿引领技术基础研究专项(No.BK20212001) 江苏省自然科学基金-杰出青年基金项目“智能车联网络理论与应用基础研究”(No.BK20220054) 

主　　题：人体行为识别 生成对抗网络 Mean Teacher模型 跨域识别 

摘      要：人体行为识别是当前众多研究工作的基石，对于推动人机交互和智能数字化转型领域具有巨大潜力。然而，由于目标域样本较难采集，现有的方法在跨域识别方面表现不佳。为解决这一问题，该研究提出一种新的WiFi使能跨域人体行为识别方法。该方法从WiFi信号中获取信道状态信息并转化为图像，在基于Wasserstein距离和梯度的生成对抗网络（WGAN-GP）中引入双判别器，通过与源域样本和单目标域样本特征联合对抗，生成同时带有双域特征的虚拟样本。该方法还结合基于Mean Teacher的半监督学习设计识别模块，通过对有标记样本与无标记样本分别构造损失函数，进行整体一致性损失的评估，实现对目标域样本的识别。实验结果证明了所提方法能够在减轻目标域样本采集压力的同时，实现较高的检测精度，在手势与动作的数据集上测试准确率分别能够达到92.71%和86.65%。