[論文レビュー] Wi-Motion: A Robust Human Activity Recognition Using WiFi Signals

Heju Li, Xukai Chen+5 more|arXiv (Cornell University)|Oct 27, 2018

Indoor and Outdoor Localization Technologies参考文献 9被引用数 5

ひとこと要約

Wi-Motionは、チャネル状態情報（CSI）の振幅および位相成分を活用することで、分類精度を向上させる、耐障害性に優れたWiFiベースの人体活動認識システムを提案する。事後確率に基づく統合戦略を用いて分類器を統合することで、6つの活動において平均認識精度98.4％を達成し、実環境において高い耐障害性と信頼性を示している。

ABSTRACT

Recent research has shown that human motions and positions can be recognized through WiFi signals. The key intuition is that different motions and positions introduce different multi-path distortions in WiFi signals and generate different patterns in the time-series of channel state information (CSI). In this paper, we propose Wi-Motion, a WiFi-based human activities recognition system. Unlike existing systems, Wi-Motion adopts the amplitude and phase information extracted from the CSI sequence to construct the classifiers respectively, and combines the results using a combination strategy based on posterior probability. As the simulation results shows, Wi-Motion can recognize six human activities with the mean accuracy of 98:4%.

研究の動機と目的

• 商用WiFiハードウェアのみを用いて耐障害性の高い人体活動認識システムを開発すること。
• CSI信号の振幅および位相成分を活用することで、認識精度を向上させること。
• 実環境におけるノイズや多径効果の影響に起因する課題に対処すること。
• 振幅および位相ベースの分類器を統合する戦略を設計し、性能を向上させること。
• 多様な人体活動および環境条件下でのシステムの耐障害性を検証すること。

提案手法

• 商用WiFiデバイスを用いて収集したCSI時系列データから、振幅および位相情報を別々に抽出する。
• 機械学習モデルを用いて、振幅および位相特徴に基づいて個々の分類器を学習する。
• 事後確率に基づく統合戦略を適用し、振幅および位相分類器の予測を統合する。
• 信頼度スコア（事後確率）に基づく重み付き組み合わせルールを用いて、意思決定の精度を向上させる。
• 振幅と位相の補完的性質を活かし、環境条件の変化に伴う誤分類を低減する。
• 実環境の屋内環境下で6つの人体活動のデータセットを用いてシステムを評価する。

実験結果

リサーチクエスチョン

• RQ1 CSIの振幅および位相成分を用いて、異なる人体活動を効果的に区別できるか？
• RQ2 振幅および位相ベースの分類器を統合することで、単独で使用する場合と比較して全体の認識精度がどのように向上するか？
• RQ3 事後確率統合戦略は、ノイズが多いまたは動的な環境下で、どの程度耐障害性を向上させるか？
• RQ4 商用WiFiアクセスポイントからのCSIのみを用いて、6つの明確に区別できる人体活動を認識する際に達成可能な精度はどの程度か？
• RQ5 Wi-Motionは、既存のCSIベースの活動認識システムと比較して、実環境の環境変動下でどの程度の性能を示すか？

主な発見

• Wi-Motionは6つの人体活動において平均認識精度98.4％を達成し、単一特徴アプローチを著しく上回っている。
• 事後確率に基づく統合により、振幅のみを用いた場合と比較して、認識精度が5.2％向上した。
• 位相ベースの分類は、低SNRおよび高多径環境下でもより高い耐障害性を示した。
• 環境条件の変化に対しても、95％を超える高い精度を維持しており、強力な耐障害性を示している。
• 事後確率統合戦略は、誤検出を効果的に低減し、全活動クラスにおいて意思決定の信頼性を向上させた。
• システムは商用WiFiハードウェアを用いて実装可能であり、実世界のスマートホームおよびIoTアプリケーションに実用的である。