基于CSI的无设备人体活动分类深度卷积神经网络方法

本白皮书评估了基于CSI幅度频谱图训练的卷积神经网络架构在无设备人体活动分类中的表现，并将其准确率与延迟同经典机器学习基线方法进行比较。

1. CSI到频谱图的转换表示与数据集

描述将原始CSI时间序列转换为多普勒频谱图的短时傅里叶变换流水线，以及用于监督训练的标注活动数据集，涵盖行走、坐下、跌倒与静止四类状态。

2. 网络架构与分类准确率

提出一种可在边缘硬件上实现实时推理的紧凑型CNN架构，并报告其在保留测试对象上的分类准确率、混淆矩阵，以及与SVM和随机森林基线方法的对比结果。