物联网人工智能（AIoT）因其广泛的应用而变得极为流行。在一项开创性的研究中，研究人员提出了一种新的AIoT框架，称为MSF-Net，用于通过WiFi信号准确识别人类活动。该框架采用了一种新颖的方法，结合了不同的信号处理技术和深度学习架构，以克服环境干扰等挑战并实现高识别精度。
人工智能物联网（AIoT）结合了人工智能和物联网技术的优势，近年来已广泛流行。与典型的物联网设置相比，典型的物联网设备收集并转移数据到其他地方进行处理，AIoT设备在本地实时获取数据，使其能够做出智能决策。这项技术在智能制造、智能家居安全和医疗监测等方面得到了广泛应用。
在智能家居AIoT技术中，准确的人工活动识别至关重要。它帮助智能设备识别各种任务，如做饭和锻炼。基于这一信息，AIoT系统可以自动调整照明或切换音乐，从而提升用户体验，同时确保能源效率。在这种情况下，基于WiFi的运动识别前景广阔：WiFi设备无处不在，确保隐私，并且通常具有成本效益。
最近，在一篇新颖的研究文章中，由韩国仁川国立大学信息技术学院的全光吉教授领导的研究团队提出了一种新的AIoT框架，称为多谱图融合网络（MSF-Net），用于基于WiFi的人类活动识别。他们的研究结果于2024年5月13日在线发布，并于2024年12月15日在《IEEE物联网期刊》第11卷第24期上发表。
全教授解释了他们研究的动机。“作为典型的AIoT应用，基于WiFi的人类活动识别在智能家居中越来越受欢迎。然而，基于WiFi的识别由于环境干扰往往表现不稳定。我们的目标是克服这个问题。”
为此，研究人员开发了鲁棒的深度学习框架MSF-Net，该框架通过通道状态信息（CSI）实现粗略和精细活动识别。MSF-Net主要由三个组成部分组成：一个包括短时傅里叶变换和离散小波变换的双流结构，一个变压器，以及一个基于注意力的融合分支。 while 双流结构确定CSI中的异常信息，变压器则有效提取数据的高级特征。最后，融合分支增强了跨模型融合。
研究人员进行了实验以验证他们框架的性能，发现MSF-Net在SignFi、Widar3.0、UT-HAR和NTU-HAR数据集上分别获得了91.82%、69.76%、85.91%和75.66%的显著Cohen Kappa得分。这些值突显了MSF-Net与基于WiFi数据的粗略和精细活动识别最先进技术相比的优越性能。
“多模态频率融合技术显著提高了准确性和效率，相比现有技术提高了实际应用的可能性。这项研究可以在智能家居、康复医学和老年人护理等多个领域中应用。例如，它可以通过分析用户的运动来预防跌倒，并通过建立非面对面的健康监测系统来改善生活质量，”全教授总结道。
总体而言，使用WiFi进行活动识别，这项工作提出的物联网和人工智能的融合技术，预计将通过日常便利和安全极大改善人们的生活！
