科學家運用人工物聯網與WiFi強化智慧家居安全

近年來，結合人工智慧與物聯網技術優勢的物聯網人工智慧（AIoT）已廣受歡迎。與典型的物聯網裝置不同，傳統物聯網裝置收集並傳輸資料至其他地方進行處理，而AIoT裝置能在本地即時獲取資料，使其能夠做出智慧決策。這項技術已在智慧製造、智慧家居安全和健康照護監測等領域得到廣泛應用。

在智慧家居的AIoT技術中，精準的人體活動識別至關重要。它能幫助智慧裝置識別各種活動，例如烹飪和運動。基於這些資訊，AIoT系統可以自動調整照明或切換音樂，在提升使用者體驗的同時，還能確保能源使用效率。在此背景下，基於WiFi的動作識別相當具有發展潛力：WiFi裝置無所不在，能保障隱私，且成本效益高。

韓國仁川國立大學資訊技術學院的Jeon Gwanggil教授領導的研究團隊，在一篇創新的研究論文中提出了一種名為多譜圖融合網路（MSF - Net）的新型AIoT框架，用於基於WiFi的人體活動識別。他們的研究成果發表在《IEEE物聯網期刊》上。

Jeon教授解釋了他們的研究動機：「作為典型的AIoT應用，基於WiFi的人體活動識別在智慧家居中越來越受歡迎。然而，由於環境幹擾，基於WiFi的識別效能往往不穩定。我們的目標就是克服這個問題。」

有鑑於此，研究人員開發了強健的深度學習框架MSF - Net，它透過通道狀態資訊（CSI）實現粗略和精細的活動識別。MSF - Net主要由三部分組成：包含短時傅立葉變換和離散小波變換的雙流結構、變壓器（Transformer）和基於注意力機制的融合分支。雙流結構可找出CSI中的異常資訊，變壓器能有效從資料中提取高層次特徵，最後融合分支則促進跨模型融合。

研究人員進行了實驗以驗證該框架的效能，發現它在SignFi、Widar3.0、UT - HAR和NTU - HAR資料集上的Cohen's Kappa得分分別達到了91.82%、69.76%、85.91%和75.66%。這些數值顯示，與現有基於WiFi資料的粗略和精細活動識別技術相比，MSF - Net的效能更優越。

Jeon教授總結道：「與現有技術相比，多模態頻率融合技術顯著提高了準確性和效率，增加了實際應用的可能性。這項研究可應用於智慧家居、復健醫學和老人照護等多個領域。例如，透過分析使用者的動作來預防跌倒，並透過建立非面對面的健康監測系統來提升生活品質。」

總的來說，本文提出的物聯網與人工智慧融合技術——基於WiFi的活動識別，有望透過日常的便利和安全大幅改善人們的生活。