센서 기반 인간 활동 인식 (HAR) 을 위한 삼중 스펙트럼 융합 프레임워크

요약

본 논문은 인간 활동 인식(HAR) 분야에서 이질적인 센서 데이터 융합 및 장기적 컨텍스트 상관관계 설정의 어려움을 해결하기 위해 새로운 삼중 스펙트럼 융합 프레임워크를 제안합니다. 이 프레임워크는 적응형 보충 필터링을 사용하여 IMU 데이터를 그래프 푸리에 도메인에서 융합하고, 적응형 웨이블릿 주파수 선택 접근법을 통해 컨텍스트 중복을 줄이며 장기적 상관관계를 강화합니다. 광범위한 실험 결과는 이 프레임워크가 HAR 성능 향상에 효과적임을 입증했습니다.

핵심 포인트

• HAR의 핵심 과제인 이질적인 센서 데이터 융합 및 시간적 컨텍스트 상관관계 설정 문제를 해결하는 새로운 프레임워크를 제안함.
• IMU 데이터를 그래프 푸리에 도메인에서 적응형 필터링을 통해 융합하여 노이즈 감소와 다중 모달리티 정보를 효과적으로 결합함.
• 적응형 웨이블릿 주파수 선택 접근법을 도입하여 컨텍스트 중복을 억제하고 장기적인 시간적 상관관계를 향상시킴.
• 푸리에, 그래프 푸리에, 웨이블릿 세 가지 스펙트럼 도메인에서 적응형 필터링을 적용하는 것이 핵심 기술임.