Обзор обобщаемости Wi-Fi-сенсинга: таксономия, методы, наборы данных и перспективы дальнейших исследований

Wi-Fi-сенсинг стал мощной неинвазивной технологией для распознавания действий человека, мониторинга жизненно важных показателей и реализации контекстно-зависимых приложений с использованием коммерческих беспроводных устройств. Однако эффективность Wi-Fi-сенсинга часто снижается при применении к новым пользователям, устройствам или средам из-за существенных сдвигов между предметными областями. Для решения этой проблемы исследователи предложили широкий спектр методов обобщения, направленных на повышение устойчивости и адаптивности систем Wi-Fi-сенсинга. В настоящем обзоре представлен всесторонний и структурированный анализ более 200 статей, опубликованных с 2015 года; работы классифицированы в соответствии с конвейером Wi-Fi-сенсинга: экспериментальная установка, предварительная обработка сигналов, обучение признаков и развертывание моделей. Проанализированы ключевые методы, включая предварительную обработку сигналов, адаптацию к предметной области, метаобучение, метрическое обучение, расширение данных, кросс-модальное выравнивание, федеративное обучение и непрерывное обучение. Кроме того, обобщены общедоступные наборы данных для различных задач, таких как распознавание действий, идентификация пользователей, локализация внутри помещений и оценка позы, а также приведены сведения о разнообразии предметных областей в этих наборах. Обсуждаются также формирующиеся тенденции и перспективные направления, включая предварительное обучение на больших объемах данных, интеграцию с мультимодальными фундаментальными моделями и непрерывное развертывание. Для содействия сотрудничеству внутри научного сообщества представлена Платформа наборов данных для сенсинга (Sensing Dataset Platform, SDP) (http://www.sdp8.org/) для обмена наборами данных и моделями. Этот обзор призван служить ценным справочным материалом и практическим руководством для исследователей и специалистов, работающих над повышением обобщаемости систем Wi-Fi-сенсинга. Следует отметить, что, хотя статья посвящена Wi-Fi-сенсингу, методологии, рассматриваемые на этапах обучения признаков и развертывания моделей, например выравнивание предметных областей, метрическое обучение, метаобучение, федеративное обучение и непрерывное обучение, в равной степени применимы к более широкому спектру задач обобщения беспроводного сенсинга ch...