江苏龙网

  1. 首页 > 人文 > >

#小小天看世界#智能物联网AIoT时代的智能无线感知技术简介( 二 )


近年来 ， 无线感知技术引起了学术界的广泛关注 。 在无线网络与移动计算的著名会议与期刊（例如ACMSIGCOMM、ACMMobiCom、ACMMobiSys、IEEEINFOCOM、USENIXNSDI、IEEE/ACMToN、IEEEJSAC、IEEETMC）上 ， 许多论文将无线感知从梦想带入现实 ， 在提升感知精度、提高鲁棒性、拓展应用场景等方面做出了重要贡献 。 除此之外 ， 工业界也在探索非传感器感知的产品化 ， 在智能家居、安防监控、健康监护等方面形成了实用的产品 。
无线感知蓬勃发展的另一面是其在实际应用中的局限性 ， 具体体现在特征、模型、数据集三个方面：
1.有效特征湮没：信号特征与背景环境相关 ， 导致感知结果依赖部署环境 ， 泛化能力差、学习训练成本高 。 造成环境依赖性强的根本原因在于 ， 已有研究工作提取的信号特征（例如信号幅度、相位等）严重依赖于系统部署的具体环境 。 因此 ， 不同的使用环境、不同的用户 ， 甚至同一用户的不同位置、不同朝向等都会降低感知准确性 ， 导致完全无法实现感知 。 针对新环境 ， 需要重新采集数据进行训练 ， 造成无线感知普适性差并且学习训练成本高 。 但令人遗憾的是 ， 已有的工作绝大部分都是基于环境相关的信号特征来实现的 。
2.识别模型粗陋：缺乏在无线信号空间对人的行为活动的精细时空建模 ， 导致感知精度低、鲁棒性差 。 人的姿势、动作、行为模式具有特定的时空特征 。 计算机视觉方向的研究工作针对图像和视频数据对人体运动特征进行建模并识别 ， 取得了较大突破 。 然而在无线信号空间 ， 缺乏对人行为活动的精细时空建模 。 因此 ， 已有的工作通常简单地使用计算机视觉领域的方法 ， 直接在原始信号层次上进行识别 ， 或者仅仅使用时间相关性或空间相关性 ， 缺乏同时整合利用二者的有效手段 ， 造成相似动作难以准确判别 ， 在实际环境中感知精度低、鲁棒性差 。
3.数据集缺失：高质量公开数据集的缺失造成性能比较不客观、实验结果难复现、技术进步难积累 。 越来越多的研究人员认识到 ， 高质量的数据集在提取有效特征、训练精确模型以及提升跨场景学习能力等方面会起到至关重要的作用 。 特别是深度学习算法的广泛使用 ， 对数据集的规模和质量提出了更高的要求 。 然而目前公开的数据集非常少 ， 且数据量不足、应用场景少 ， 难以满足深度学习算法的需求 ， 往往导致识别模型欠拟合、泛化能力差 。 高质量公开数据集的缺失造成许多研究工作陷人“自说自话”的境地—性能比较不客观、实验结果难复现、技术进步难积累 。


推荐阅读


上一篇：『三易生活』夜景实拍样张表现不俗，一加8系列更多信息公布

下一篇：『科技美学』或首发麒麟985，颜值值得期待，荣耀30系列官宣