基于ＷＧＡＮ-ＧＰ 和Ｍｅａｎ Ｔｅａｃｈｅｒ 的ＷｉＦｉ 使能跨域人體行為識別

打開文本圖片集

摘 要：人體行為識別（Ｈｕｍａｎ Ａｃｔｉｖｉｔｙ Ｒｅｃｏｇｎｉｔｉｏｎ，ＨＡＲ）是當前眾多研究工作的基石，對于推動人機交互和智能數(shù)字化轉(zhuǎn)型具有巨大潛力。由于目標域樣本較難采集，現(xiàn)有方法在跨域識別方面表現(xiàn)不佳。為解決這一問題，提出一種新的ＷｉＦｉ 使能跨域ＨＡＲ 方法，從ＷｉＦｉ 信號中獲取信道狀態(tài)信息（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ，ＣＳＩ）并轉(zhuǎn)化為圖像，在基于Ｗａｓｓｅｒｓｔｅｉｎ 距離和梯度的生成對抗網(wǎng)絡(luò)（Ｗａｓｓｅｒｓｔｅｉｎ Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ ｗｉｔｈ Ｇｒａｄｉｅｎｔ Ｐｅｎａｌｔｙ，ＷＧＡＮ-ＧＰ）中引入雙判別器，通過與源域樣本和單目標域樣本特征聯(lián)合對抗，生成同時帶有雙域特征的虛擬樣本。（剩余14300字）