CSI-Net：Unified Human Body Characterization and Pose Recognition

建立一种用于WiFi的CSI序列的人体感知的深度学习网络框架，可以完成：两种body characterization问题：生物特征识别（biametrics estimate，包括体脂、肌肉、水和骨骼率）和人员识别（person recognition），两种activity recognition：手势识别和跌倒检测

网络结构

网络分为三个部分：生成阶段、特征提取阶段和任务阶段

1. 输入：网络的输入时WiFi信号的CSI序列，其中Nsa表示WiFi信号的采样数，Nsc表示子载波数量，Ntx表示发射天线数，Nrx表示接收天线数。在论文中设置Nsc=30，Ntx=Nrx=1。因此输入是30*1*1张量的CSI采样（取CSI幅度）。
2. 生成阶段：由8层的转置卷积TC（反卷积）构成，探索输入向量通道之间的空间信息，输出CNN架构常见的输入大小。数据从30*1*1到6*224*224
3. 特征学习阶段：又称为骨干网络（backbone network），可以使用各种CNN架构构成，如AlexNet、VGG-net、Inception cluster、ResNets和DenseNet等。在这篇论文中作者选择的是ResNet。
4. 任务