Este whitepaper avalia arquiteturas de redes neurais convolucionais treinadas em espectrogramas de amplitude de CSI para classificação sem dispositivo de atividades humanas, comparando precisão e latência com baselines clássicos de aprendizado de máquina.
Descreve o pipeline de transformada de Fourier de curto prazo que converte séries temporais brutas de CSI em espectrogramas Doppler, e o conjunto de dados de atividades rotuladas usado para treinamento supervisionado nas classes caminhar, sentar, cair e ocioso.
Apresenta uma arquitetura CNN compacta que alcança inferência em tempo real em hardware de borda, reportando precisão de classificação, matrizes de confusão e comparação com baselines de SVM e Random Forest em sujeitos de teste reservados.