科学家们正在利用AIoT（人工智能物联网）和WiFi技术，为智能家居安全带来革命性的提升。AIoT结合了人工智能（AI）和物联网（IoT）的优势，近年来备受关注。与传统的物联网设备不同，AIoT设备能够在本地实时处理数据，从而快速做出智能决策。这项技术已在智能制造、智能家居安全和医疗监控等领域得到广泛应用。
在智能家居中，准确的人体活动识别是AIoT技术的核心。它可以帮助智能设备识别用户的活动，例如烹饪、锻炼或休息。基于这些信息，AIoT系统可以自动调整照明、切换音乐或优化能源使用，从而提升用户体验并提高能源效率。而基于WiFi的运动识别技术因其普及性、隐私保护和成本效益，成为这一领域的重要研究方向。
近期，韩国仁川国立大学信息技术学院的Gwanggil Jeon教授带领的研究团队，提出了一种名为多频谱图融合网络（MSF-Net）的新型AIoT框架，用于基于WiFi的人体活动识别。这项研究成果于2024年5月13日在线发布，并计划于2024年12月15日发表在《IEEE物联网杂志》第11卷第24期上。
Jeon教授解释了他们的研究动机：“作为典型的AIoT应用，基于WiFi的人体活动识别在智能家居中越来越受欢迎。然而，环境干扰常常导致识别性能不稳定。我们的目标就是解决这一问题。”
为此，研究团队开发了强大的深度学习框架MSF-Net，通过通道状态信息（CSI）实现粗略和精细的活动识别。MSF-Net包含三个主要组件：
双流结构：由短时傅里叶变换和离散小波变换组成，能够精确定位CSI中的异常信息；变压器模块：高效提取数据中的高级特征；基于注意力的融合分支：促进跨模型融合，提升识别精度。研究团队通过实验验证了该框架的性能。结果显示，MSF-Net在SignFi、Widar3.0、UT-HAR和NTU-HAR数据集上分别取得了91.82%、69.76%、85.91%和75.66%的Cohen's Kappa分数。这些数据表明，MSF-Net在基于WiFi数据的活动识别任务中，表现优于当前最先进的技术。
Jeon教授总结道：“与现有技术相比，多模态频率融合技术在准确性和效率上都有显著提升，这大大增加了其实际应用的可能性。这项研究可以应用于智能家居、康复医学和老年人护理等领域。例如，它可以通过分析用户动作来预防跌倒，或通过非接触式健康监测系统改善生活质量。”
总的来说，这项研究展示了AIoT与WiFi技术融合的巨大潜力。通过日常的便利性和安全性提升，这项技术有望极大地改善人们的生活质量。
