《Ad Hoc Networks》：ESP-Fi HAR: A low-power WiFi CSI dataset for Ad-Hoc IoT human activity recognition
编辑推荐：
本研究提出基于低成本低功耗ESP32-C3的WiFi信道状态信息（CSI）人体活动识别（HAR）数据集ESP-Fi HAR，涵盖走廊、办公室、会议室和实验室四种场景及行走、跑步等七种活动。通过对比传统高功耗网卡，验证了该方案在成本降低12倍、功耗降低95%的同时，保持了较高的识别准确率，为资源受限物联网环境中的可扩展人体活动感知提供了基准数据集。
文志伟|阮彦琳|王晓叶|周俊杰|高宏亮|李涛
湖北师范大学电气工程与自动化学院，黄石435002，中国
摘要
在大型、注重隐私的临时物联网（IoT）网络中部署人类活动识别（HAR）系统受到传统WiFi传感硬件高成本和高功耗的限制。为了解决这一挑战，我们提出了ESP-Fi HAR，这是一个使用商用ESP32模块收集的低功耗WiFi信道状态信息（CSI）数据集。该数据集涵盖了四种室内场景和七种日常活动，反映了临时IoT部署中的典型资源限制。与依赖高功耗网卡的现有CSI数据集不同，ESP-Fi HAR展示了使用普通IoT节点实现可扩展且节能的HAR解决方案的可行性。我们还提供了基准深度学习模型来评估识别准确性、鲁棒性和部署可行性。实验结果揭示了信号传播、环境动态和时间异质性对识别性能的影响，为实际系统部署提供了实用指导。通过整合数据集构建、IoT系统设计和资源感知评估，ESP-Fi HAR为未来在临时IoT网络中进行协作和可扩展的WiFi传感研究奠定了基础。为了促进这一领域的进一步研究，我们已在该
https://github.com/AutoSmartGroup/ESP-Fi-HAR处公开了数据集和代码。
引言
物联网（IoT）技术的普及加剧了对智能家居和健康监测等应用中连续且不显眼的感觉能力的需求[1]。在设备必须在严格资源限制下自我组织的临时网络环境中，实现可扩展且注重隐私的人类活动识别（HAR）仍然是一个重大挑战[2]，[3]。为了解决资源受限传感器节点的局限性，提出了自适应能源管理和能量收集等节能策略[4]，[5]。传统的传感方式，包括摄像头[6]，[7]和可穿戴传感器[8]，在部署可扩展性、能源效率和用户隐私方面存在局限性。WiFi信道状态信息（CSI）作为一种有前景的无设备传感技术应运而生，它可以捕捉细粒度的环境变化，应用于室内定位[9]，[10]，[11]，人机交互[12]和健康监测[13]。其非侵入性和与商用硬件的兼容性使其成为普适传感的理想选择。
然而，现有的基于CSI的HAR系统通常依赖于高端网络接口卡（NIC），如Intel 5300[14]，[15]，[16]或Atheros解决方案[17]，[18]，这些硬件成本高昂（超过40美元），并且需要复杂的驱动程序配置。更重要的是，这些平台在活跃运行期间消耗2-3瓦的功率，使其不适合大规模、对能源敏感的临时IoT部署。因此，由于高功耗和复杂配置，它们并不适合可扩展的临时IoT部署，这与低成本、临时和资源高效网络的核心要求相矛盾。
在这项工作中，我们认为利用低成本、超低功耗的普通IoT硬件是实现可扩展和实用临时传感的可行途径。ESP32系列，特别是ESP32-C3，提供了一个高度集成的片上系统解决方案，具有2.4吉赫兹WiFi/蓝牙连接、32位RISC-V处理器和硬件加速的加密支持——所有这些都在一个紧凑的QFN 5 × 5毫米封装中实现。其单位成本为5-15美元，峰值功耗仅为0.13瓦，与传统基于NIC的平台相比，成本降低了12倍，功耗节省了95%以上。结合开源的ESP-CSI-Tool[19]，ESP32-C3无需外部RF组件即可实现稳定高效的CSI采集，非常适合资源受限的IoT传感。
利用这个平台，我们构建并展示了ESP-Fi HAR，这是一个专门为临时IoT环境中的HAR设计的多场景CSI数据集。该数据集包括八名参与者在四种不同室内环境（走廊、办公室、会议室和实验室）中执行七种活动（步行、跑步、跌倒、跳跃、蹲下、挥手和转身）时的CSI测量结果。所有数据都是使用基于ESP32-C3的传感设置收集的，并以标准化格式发布，以便于重现。
本工作的主要贡献总结如下：
(1) 我们基于ESP32-C3设计并实现了一个完整的低功耗IoT数据采集系统，并发布了ESP-Fi HAR数据集，其中包含了在四个真实世界环境中收集的CSI样本。这为临时传感网络提供了一个有价值且符合实际部署需求的基准。
(2) 我们证明了使用超低成本和超低功耗的商用硬件实现高精度HAR的可行性，解决了传统系统中固有的部署成本和能源效率的关键瓶颈。这为大规模IoT感知网络开辟了新的可能性。
(3) 本研究在构建的数据集的四种室内场景上评估了多种模型，验证了它们在不同环境中的有效性。此外，还讨论了影响HAR性能的关键因素及相关挑战，为未来的系统设计提供了指导。
我们按照以下结构组织本文：第2节描述了相关工作。第3节详细介绍了ESP-Fi HAR数据集的CSI数据采集系统的实现。第4节概述了该数据集的特点。第5节介绍了实验设置、评估协议和活动识别的结果。最后，第7节对实验结果进行了讨论和分析。
相关工作
相关工作
在过去十年中，已经引入了几个与HAR相关的真实世界数据集，特别是那些利用WiFi CSI进行检测的数据集。这些数据集涵盖了智能家居[20]，[21]、健康监测[22]，[23]，[24]、环境感知[25]和动作检测[26]，[27]等各种应用领域。它们为推进不同场景下的HAR技术提供了宝贵的资源。以下是一些对此领域做出重大贡献的代表性数据集
测试平台
CSI信号收集实验的设置如图1所示。本研究基于ESP32-C3设备建立了一个信号采样和CSI数据记录平台，这是一种高性价比的测量解决方案，支持WiFi信号传输和CSI数据收集，在仪器领域展示了令人鼓舞的应用潜力。使用ESP-CSI-Tool，我们确保了数据收集过程的准确性和完整性。为了确保广泛的适用性
室内现场数据收集环境
数据收集场景包括四种典型的室内环境：走廊、办公室、会议室和实验室。收集的数据包括七种活动：步行（WK）、跑步（RN）、手臂摆动（AS）、蹲下（ST）、转身（TN）、跳跃（JP）和跌倒（FL），这些活动对于评估模型在真实世界场景中的鲁棒性至关重要。这些场景的描述如下：
基线模型和实验设置
为了系统地评估基于WiFi CSI的HAR方法，我们设计了一组基线架构，包括传统的机器学习（ML）模型和现代的深度学习（DL）模型。
评论与讨论
在本节中，除非另有说明，所有分析均基于在办公室场景中收集的数据。专注于这一代表性环境使我们能够在现实条件下检查模型性能和特征行为。所有报告的结果都使用了表现最佳的ResNet18作为骨干网络，以确保比较的一致性。实验遵循LOSO交叉验证协议，对应于八名参与者。
结论
本文介绍了ESP-Fi HAR，这是一个通过基于ESP32-C3节点的可扩展和超低成本传感系统收集的开放访问WiFi CSI数据集。实验表明，商用现成IoT硬件可以作为传统高成本NIC（例如Intel 5300）的可行替代品，实现了大约十倍的成本降低和超过95%的功耗降低。该数据集涵盖了四种不同的环境，结合轻量级的传感节点设计，
CRediT作者贡献声明
文志伟：撰写——原始草稿、验证、软件、方法论、数据管理。阮彦琳：撰写——审阅与编辑、监督、方法论、形式分析、概念化。王晓叶：验证、软件、资源管理、调查。周俊杰：撰写——原始草稿、验证、软件、数据管理。高宏亮：监督、项目管理、资金获取、概念化。李涛：可视化、监督、资金获取、形式分析。
利益冲突声明
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。
