中國(guó)民族信息技術(shù)研究院研究生陸禮盟的最新研究成果《A Method of Self-Supervised Denoising and Classification for Sensor-Based Human Activity Recognition》被SCI期刊IEEE Sensors Journal（JCR: Q1，中科院2區(qū)Top期刊，IF=4.3）接收，于2023年11月15日正式發(fā)表，該期刊是信號(hào)處理與傳感器技術(shù)領(lǐng)域的國(guó)際知名期刊，具有較高的認(rèn)可度。團(tuán)隊(duì)負(fù)責(zé)人鄧濤教授為通訊作者，其指導(dǎo)的碩士研究生陸禮盟為第一作者，該論文是團(tuán)隊(duì)研究多模態(tài)人體活動(dòng)識(shí)別技術(shù)的階段性成果。論文地址為：https://ieeexplore.ieee.org/document/10286345。

人體活動(dòng)識(shí)別（Human Activity Recognition, HAR）是普適計(jì)算和模式識(shí)別的一個(gè)重要子領(lǐng)域。雖然研究人員在基于傳感器的人體活動(dòng)識(shí)別的特征提取和分類(lèi)方面取得了顯著的成果，但他們也遇到了性能瓶頸。傳感器信號(hào)去噪已經(jīng)成為提高基于傳感器的HAR架構(gòu)性能的一種優(yōu)秀方法。在這項(xiàng)研究中，鄧濤教授團(tuán)隊(duì)提出了一種新穎的自監(jiān)督盲去噪方法，用于傳感器信號(hào)，它作為人體活動(dòng)識(shí)別任務(wù)中的一個(gè)新模塊，顯著提高了整體系統(tǒng)的性能。

圖1 去噪程序

提出的方法將圖像修復(fù)中的掩蔽思想應(yīng)用于時(shí)間信號(hào)處理，并利用相鄰信號(hào)來(lái)預(yù)測(cè)中心信號(hào)，利用獨(dú)立的噪聲測(cè)量和真實(shí)相鄰信號(hào)之間的時(shí)間關(guān)系，而無(wú)需了解噪聲分布。去噪函數(shù)是從樣本中學(xué)習(xí)的，然后將去噪后的信號(hào)輸入分類(lèi)模型。在WISDM、UCI-HAR和PAMAP2等基準(zhǔn)數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)證明了提出的去噪方法的有效性。去噪后，動(dòng)作內(nèi)類(lèi)別的差異減小，而動(dòng)作間類(lèi)別的差異增加。結(jié)果顯示，系統(tǒng)的識(shí)別準(zhǔn)確率在各自的數(shù)據(jù)集上顯著提高至98.6%、97.64%和97.12%。

圖2 中心點(diǎn)盲去噪初始化