近年来，人工智能物联网(AIoT)技术融合了人工智能与物联网的优势，受到广泛关注。与传统物联网设备不同，AIoT设备能在本地实时处理数据，做出智能决策，在智能制造、智能家居安防和医疗监控等领域得到广泛应用。

在智能家居领域，准确的人体活动识别技术尤为关键。它能够助力智能设备识别烹饪、锻炼等任务，并据此自动调节家居环境，提升用户体验与能源效率。在此背景下，基于WiFi的运动识别技术因其隐私保护、成本低廉及广泛覆盖的特点，展现出广阔的应用前景。

韩国仁川国立大学信息技术学院的全光吉教授领导的研究团队，近期在《IEEE物联网期刊》上发表了一项创新研究。他们提出了一种名为多频谱图融合网络(MSF-Net)的新型AIoT框架，专为基于WiFi的人类活动识别而设计。

全光吉教授阐述了研究动机：“在智能家居中，基于WiFi的人体活动识别日益普及，但环境干扰导致识别性能不稳定。我们的研究旨在解决这一问题。”

为此，研究团队开发了MSF-Net深度学习框架，该框架利用通道状态信息(CSI)实现粗略与精细的活动识别。MSF-Net包含双流结构、Transformer和基于注意力机制的融合分支三大组件。双流结构精准定位CSI中的异常信息，Transformer高效提取数据高级特征，而融合分支则增强了跨模型融合能力。

实验结果表明，MSF-Net在多个数据集上均取得了优异的Cohen's Kappa得分，分别达到91.82%、69.76%、85.91%和75.66%，显著优于现有技术。

全光吉教授总结道：“多模态频率融合技术的精度和效率提升显著，增加了实际应用的可能性。这项研究可广泛应用于智能家居、康复医疗和老年人护理等领域，有助于预防跌倒、改善生活质量。”

总体而言，MSF-Net框架作为物联网与人工智能融合技术的创新成果，有望通过提升日常便利性和安全性，极大地改善人们的生活。

更多信息： Junxin Chen 等，《一种基于多模态频率融合的AIoT框架，用于基于WiFi的粗略和精细活动识别》，IEEE物联网期刊(2024)。期刊信息： IEEE物联网期刊