中國民族信息技術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，該期刊是信號處理與傳感器技術領域的國際知名期刊，具有較高的認可度。團隊負責人鄧濤教授為通訊作者，其指導的碩士研究生陸禮盟為第一作者，該論文是團隊研究多模態(tài)人體活動識別技術的階段性成果。論文地址為：https://ieeexplore.ieee.org/document/10286345。

人體活動識別（Human Activity Recognition, HAR）是普適計算和模式識別的一個重要子領域。雖然研究人員在基于傳感器的人體活動識別的特征提取和分類方面取得了顯著的成果，但他們也遇到了性能瓶頸。傳感器信號去噪已經(jīng)成為提高基于傳感器的HAR架構性能的一種優(yōu)秀方法。在這項研究中，鄧濤教授團隊提出了一種新穎的自監(jiān)督盲去噪方法，用于傳感器信號，它作為人體活動識別任務中的一個新模塊，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中的掩蔽思想應用于時間信號處理，并利用相鄰信號來預測中心信號，利用獨立的噪聲測量和真實相鄰信號之間的時間關系，而無需了解噪聲分布。去噪函數(shù)是從樣本中學習的，然后將去噪后的信號輸入分類模型。在WISDM、UCI-HAR和PAMAP2等基準數(shù)據(jù)集上進行的實驗證明了提出的去噪方法的有效性。去噪后，動作內類別的差異減小，而動作間類別的差異增加。結果顯示，系統(tǒng)的識別準確率在各自的數(shù)據(jù)集上顯著提高至98.6%、97.64%和97.12%。

圖2 中心點盲去噪初始化