基于域自适应网络的跨场景摔倒检测算法研究

摘要：

目前,基于信道状态信息(Channel State Information,CSI)的室内摔倒检测(Fall Detection,FD)系统已被证明拥有巨大潜力,但是,不同室内布局带来的多径效应的差异往往使其无法实现跨场景使用.因此,该文提出了DA-Fall(Domain-adaptive Fall),通过结合两种自适应策略的域自适应方法来改进未标记噪声信号的泛化,从而提高对目标域的检测精度.在提出的摔倒检测系统中,引入了域鉴别器和域混淆自适应层来进行对抗性训练.首先,该算法通过引入依赖于相对值的相对鉴别器来优化对抗训练,从而更好地反映域间差异.其次,将基于多核架构的最大均值差异(Multiple Kernel Maximum Mean Difference,MK-MMD)作为域对抗损失的正则化项,进一步减小域间的边缘分布距离.实验分析表明,DA-Fall取得了比WiFall,RT-Fall,SignGAN更好的效果,在原场景与新场景中分别达到了96.83%和91.03%的检测精度.

关键词：信道状态信息、摔倒检测、域自适应网络、迁移学习、多核最大均值差异

所属期刊栏目：33

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省高等学校自然科学研究重大项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：86-92