摘要：事物的人工智能（Aiot）由于其广泛的应用而变得非常流行。在一项开创性的研究中，研究人员提出了一个名为MSF-NET的新的Aiot框架，用于使用WiFi信号准确识别人类活动。该框架采用了一种新颖的方法，该方法结合了不同的信号处理技术和深度学习体系结构，以克服诸如环境干扰之类的挑战并实现高认识的准确性。...

事物的人工智能（Aiot）结合了近年来人工智能和物联网技术的优势，它的优势已广泛流行。与典型的物联网设置相反，该设备收集和传输在其他位置处理的数据，Aiot设备在本地和实时获取数据，从而使它们能够做出明智的决策。该技术在智能制造，智能家庭安全和医疗保健监控中发现了广泛的应用。

在智能家庭Aiot技术中，准确的人类活动识别至关重要。它可以帮助智能设备确定各种任务，例如烹饪和锻炼。基于此信息，Aiot系统可以自动调整照明或切换音乐，从而改善用户体验，同时确保能源效率。在这种情况下，基于WiFi的运动识别非常有前途：WiFi设备无处不在，确保隐私并倾向于具有成本效益。

最近，在韩国仁川国立大学信息技术学院的Gwanggil Jeon教授领导的一组研究文章中，为基于WIFI的人类活动识别提供了一个新的Aiot Aiot Framework。他们的发现于2024年5月13日在线提供，并在2024年12月15日的IEEE Internet Internet的第11卷中发表。

全都教授解释了他们的研究背后的动机。 “作为典型的AIOT应用，基于WiFi的人类活动识别越来越受欢迎。但是，由于环境干扰，基于WiFi的识别通常具有不稳定的性能。我们的目标是克服这个问题。”

在这种观点中，研究人员开发了强大的深度学习框架MSF-NET，该框架通过通道状态信息（CSI）实现了粗糙的活动识别。 MSF-NET具有三个主要组成部分：一个包含短时傅立叶变换以及离散小波变换的双流结构，变压器和基于注意力的融合分支。尽管双流结构在CSI中指出异常信息，但变压器有效地从数据中提取了高级特征。最后，融合分支增强了跨模型融合。

研究人员进行了实验以验证其框架的性能，发现它在Signfi，widar3.0，UT-HAR，UT-HAR和NTU-HAR数据集中获得了惊人的Cohen的Kappa评分，分别为91.82％，69.76％，85.91％和75.66％。这些值强调了MSF-NET的出色性能与基于WIFI数据的粗糙和精细活动识别的最新技术相比。

与现有技术相比，多模式的频率融合技术已经显着提高了准确性和效率，从而增加了实际应用的可能性。这项研究可以在诸如智能家居，康复医学以及对老年人的护理等各个领域中使用。

总体而言，使用wifi的活动认可，即物联网和AI在这项工作中提出的融合技术，预计将通过日常的便利和安全来大大改善人们的生活！