13、基于WiFi的无设备人体活动识别性能分析

基于WiFi的无设备人体活动识别性能分析

1 个体性能分析

1.1 个体活动识别性能评估

研究旨在分析个体差异对人体活动识别准确性的影响。采用提出的LCED模型，结合WiFi信道状态信息（CSI）评估个体在人体活动识别中的表现。同时，使用KNN、SVM和sRNN三种方法作为对比。

以志愿者2的16种活动为例，使用KNN算法分析天线A和天线B的识别性能，指标包括精确率（Precision）、召回率（Recall）和F1分数。精确率指预测为某活动的所有样本中正确样本的数量，召回率指某活动的30个样本中正确样本的数量。

活动编号	天线A - 精确率	天线A - 召回率	天线A - F1分数	天线B - 精确率	天线B - 召回率	天线B - F1分数
0	1.00	0.83	0.91	0.62	0.83	0.71
1	0.89	1.00	0.94	0.88	0.88