CSI数据集

本研究构建的CSI数据集包含20名参与者在会议室内随机移动的CSI数据，数据集大小为21套，包括一个空房间的基准数据。数据集通过Asus RT-AC86U路由器收集，转换为包含幅度和相位信息的4通道图像。数据集创建过程中，应用了条件去噪扩散概率模型（C-DDPMs）生成大量新样本，以解决类别不平衡问题。该数据集主要应用于无线信号基础的人员身份识别领域，旨在通过增强数据集的多样性和平衡性，提高分类模型的准确性和鲁棒性。

The CSI dataset constructed in this study contains CSI data collected from 20 participants moving randomly in a conference room, with a total of 21 sets of data including baseline data from an empty room. The dataset was collected using an Asus RT-AC86U router, and converted into 4-channel images containing amplitude and phase information. During the dataset construction process, Conditional Denoising Diffusion Probabilistic Models (C-DDPMs) were employed to generate a large number of new samples to address the class imbalance issue. This dataset is primarily applied in the field of wireless signal-based human identity recognition, aiming to improve the accuracy and robustness of classification models by enhancing the diversity and balance of the dataset.

搜集汇总

数据集介绍

构建方式

CSI数据集的构建主要依赖于收集人员在会议室内随机移动时的信道状态信息。通过使用华硕RT-AC86U路由器进行CSI数据收集，并将处理后的CSI数据的幅度和相位信息转换为多通道CSI图像。随后，采用条件去噪扩散概率模型（C-DDPMs）生成大量新的CSI样本，以解决数据不平衡问题。

使用方法

CSI数据集的使用方法包括以下步骤：首先，使用华硕RT-AC86U路由器收集人员在会议室内移动时的CSI数据。然后，将处理后的幅度和相位信息转换为多通道CSI图像。接下来，采用C-DDPMs生成新的CSI样本，以解决数据不平衡问题。最后，使用分类模型（如SimpleViTFi）对增强后的数据集进行训练，以提高分类准确率。

背景与挑战

背景概述

CSI数据集，即信道状态信息数据集，是无线信号感知领域的一项重要研究成果。该数据集由Jichen Bian、Chong Tan、Peiyao Tang和Min Zheng等人于2024年提出，旨在解决基于无线信号的设备无关人员身份识别问题。CSI数据集的核心研究问题是如何利用无线信号中的信道状态信息来识别人员身份，并在实际应用中提高识别准确率。该数据集的创建对无线信号感知领域产生了深远的影响，为后续的研究和应用提供了重要的数据基础。

当前挑战

CSI数据集面临着一些挑战，主要包括：1)数据集不平衡问题，即不同类别的人员身份识别数据分布不均，导致部分类别识别准确率较低；2)数据收集和处理的复杂性，需要考虑硬件设备的局限性、信号干扰等因素，以确保数据的质量和准确性。此外，构建过程中还面临着如何利用深度学习模型来生成高质量的合成数据，以弥补数据不足的问题。

常用场景

经典使用场景

CSI数据集在无线传感技术领域中的应用日益广泛，尤其是在人员身份识别（PIR）方面。CSI数据集经典使用场景主要集中于利用无线信号进行人员身份识别，尤其是在无法直接观察的情境下，如室内监控、安全管理和入侵检测等。CSI数据集通过捕捉人体移动对无线信道状态信息的影响，从而实现无需设备携带的人员身份识别，克服了传统视觉系统在光线不足或非视线条件下的局限性，并有效解决了隐私保护的问题。

解决学术问题

CSI数据集解决了传统人员身份识别中存在的依赖外部光源、需要特殊设备携带以及隐私保护等问题。此外，CSI数据集还解决了数据不平衡的挑战，通过C-DDPMs生成新的CSI样本，有效平衡了不同类别数据的分布，从而提高了分类准确率。CSI数据集的应用不仅提高了人员身份识别的准确性和效率，还为无线传感技术的发展提供了新的思路。

实际应用

CSI数据集在实际应用场景中具有广泛的应用前景，包括但不限于室内监控、安全管理和入侵检测等领域。CSI数据集可以用于实时监控室内人员活动，实现对特定人员身份的识别和跟踪，提高安全管理的效率。同时，CSI数据集还可以用于入侵检测，通过分析无线信道状态信息的变化，实现对异常行为的识别和预警。

数据集最近研究

最新研究方向

CSI数据集的最新研究方向聚焦于解决数据集不平衡问题，并利用深度学习技术提高人员身份识别的准确率。该领域的前沿研究主要集中在利用条件去噪扩散概率模型(C-DDPMs)进行数据集增强，以生成新的样本，从而解决类不平衡问题。此外，研究人员还关注于开发轻量级的视觉Transformer模型，如SimpleViTFi，以提高Wi-Fi信号人员身份识别的效率和准确性。这些研究不仅提高了CSI数据集在设备自由人员身份识别中的应用性能，而且为未来在无线信号识别领域的进一步研究提供了新的思路和方法。

相关研究论文

• Wi-Fi-based Personnel Identity Recognition: Addressing Dataset Imbalance with C-DDPMs

  中国科学院上海微系统与信息技术研究所 · 2024年