基于ＷＧＡＮ-ＧＰ 和Ｍｅａｎ Ｔｅａｃｈｅｒ 的ＷｉＦｉ 使能跨域人体行为识别

打开文本图片集

摘 要：人体行为识别（Ｈｕｍａｎ Ａｃｔｉｖｉｔｙ Ｒｅｃｏｇｎｉｔｉｏｎ，ＨＡＲ）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具有巨大潜力。由于目标域样本较难采集，现有方法在跨域识别方面表现不佳。为解决这一问题，提出一种新的ＷｉＦｉ 使能跨域ＨＡＲ 方法，从ＷｉＦｉ 信号中获取信道状态信息（Ｃｈａｎｎｅｌ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ，ＣＳＩ）并转化为图像，在基于Ｗａｓｓｅｒｓｔｅｉｎ 距离和梯度的生成对抗网络（Ｗａｓｓｅｒｓｔｅｉｎ Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ ｗｉｔｈ Ｇｒａｄｉｅｎｔ Ｐｅｎａｌｔｙ，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。（剩余14300字）