计算机工程与科学

作者：龚浩成, 朱海, 黄子非, 杨明泽, 张开昱, 吴飞

单位：上海工程技术大学电子电气工程学院，上海 201620

关键词：WiFi,信道状态信息,手势识别,知识蒸馏,Vision Transformer,

基金：国家自然科学基金（61902237）

随着人工智能和无线传感技术的快速发展，WiFi手势识别已经成为备受关注的研究领域之一。当前的研究工作，为了提高在不同数据域中模型的鲁棒性，减少对模型重新训练的依赖，通过从信道状态信息CSI中提取域无关特征，提出了身体坐标速度谱BVP，可实现在域内和跨域识别上的高准确性。然而在实际场景中，将采集到的CSI信号转换为BVP需要耗费大量计算资源，无法满足在生产环境中所需的实时性和扩展性等需求。此外，使用传统模型处理大量复杂的数据时，其缺乏全局特征和长期依赖关系的捕捉能力。为了解决上述问题，提出了一种基于表征知识蒸馏的WiFi手势识别框架RKD-WGR。RKD-WGR首先利用BVP数据作为教师模型输入，指导利用CSI数据输入的学生模型，将BVP推理分辨能力整合到学生模型中，也让CSI从自身学习来弥补BVP缺失的信息。同时，为了提高识别性能并加强教师模型向学生模型的知识传授能力，提出了3DWiT作为教师模型，利用BVP的时空信息辅助教师模型获取更多的信息来增强知识传授能力。实验结果表明，在Widar 3.0数据集上，不使用BVP而仅使用CSI的情况下，6类手势识别的精确度达到了97.1%，10类手势识别的精确度为96.5%,而22类手势识别的精确度达到了89.5%，验证了所提出框架和模型的有效性。

来源：2025年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第4期