小样本位置活动识别算法

5样本96.8%精度

该算法通过残差网络与多注意力层协同工作，仅需每类5个训练样本即可对位置与活动进行高精度联合识别，摆脱了对大量样本的依赖。

田勇 · Shuyu, Yan · Xin, Tong · Qingshu, Lu · Ying, Li · 丁学君

IEEE Internet of Things Journal 2025

参数信息

平均识别准确率

96.83 %

技术优势

小样本可用

通过多链路CSI幅度差值和图像水平翻转扩充样本，模型在每类仅5个样本时即可训练。

识别更精准

多注意力层网络能够准确提取并增强各类样本的特征，提升联合识别能力。

可实用部署

实验验证该算法在少量样本下仍保持高精度，适合人机交互等实际应用。

应用场景

• 智能家居：无需大量数据即可识别用户位置和活动，快速部署智能家居控制。
• 远程健康监测：利用少量样本识别活动状态，用于远程监测跌倒等健康事件。
• 安防报警：通过位置与活动识别检测异常行为，触发安防报警。
• 人机交互：在少量样本下实现精准识别，提升人机交互系统的响应能力。
• 可穿戴设备：适用于可穿戴设备上资源受限的场景，以少量数据实现识别。