计算机工程与科学

作者：王杨, 许佳炜, 王傲, 宋世佳, 谢帆, 赵传信, 季一木

单位：（1.安徽师范大学皖江学院大数据与人工智能系,安徽 芜湖 241000;2.安徽师范大学计算机与信息学院，安徽 芜湖 241002;3.南京邮电大学高性能计算与大数据处理研究所，江苏 南京 210003

关键词：自监督学习,信道状态信息,人体活动识别,表征学习,

基金：国家重点研发计划(2018AAA010300)；国家自然科学基金（61871412）；安徽省自然科学基金（KJ2019A0938，KJ2021A1314，KJ2019A0979)；安徽高校自然科学重点项目（2022AH052899，KJ2019A0979，KJ2019A0511，2023AH052757）；机器视觉检测安徽省重点实验室（KLMVI-2023-HIT-11）；安徽省高校学科（专业）拔尖人才学术资助项目（gxbjZD2022147）

随着IEEE 802.11bf标准的发布，WiFi感知技术已从学术研究走向工业应用。针对现有的基于 WiFi的人体活动检测系统往往依赖于较强假设约束问题，从如何充分利用无标签 CSI样本出发，设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在对比学习思想的基础上首先使用序列数据增强生成不同视图的无标记CSI样本；然后通过自监督学习获取CSI序列内在表示特征；再通过少量标记样本对模型进行微调，最后即可实现下游人体活动的有效感知和识别。在自采和公开数据集上的相关实验结果表明，与CNN+Linear、CNN+Transformer+Linear和TS-TCC相比，CPCC-Fi模型的各项性能均有所提升。

来源：2025年第1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1期