Questo whitepaper valuta architetture di reti neurali convoluzionali addestrate su spettrogrammi di ampiezza CSI per la classificazione device-free delle attività umane, confrontando accuratezza e latenza con baseline classici di machine learning.
Descrive la pipeline di trasformata di Fourier a breve termine che converte le serie temporali CSI grezze in spettrogrammi Doppler, e il dataset di attività etichettate usato per l'addestramento supervisionato nelle classi camminata, seduta, caduta e inattività.
Presenta un'architettura CNN compatta che raggiunge l'inferenza in tempo reale su hardware edge, riportando accuratezza di classificazione, matrici di confusione e confronto con baseline SVM e Random Forest su soggetti riservati al test.