Sparse Spike Encoding of Channel Responses for Energy Efficient Human Activity Recognition

Resumo Técnico: Codificação de Espícula Esparsa de Respostas de Canal para Reconhecimento de Atividade Humana com Eficiência Energética

Definição do Problema
Sistemas de Sensoriamento e Comunicação Integrados (ISAC) oferecem capacidades de monitoramento onipresentes, particularmente para o Reconhecimento de Atividade Humana (HAR), ao alavancar Respostas de Impulso de Canal (CIR). No entanto, os algoritmos de sensoriamento modernos, tipicamente baseados em Aprendizado Profundo (DL), são frequentemente muito complexos computacionalmente e intensivos em energia para dispositivos de borda com recursos limitados onde os dados de RF são coletados. Além disso, as abordagens padrão frequentemente dependem de etapas de pré-processamento pesadas, como a geração de espectrogramas Doppler ou mapas de amplitude-Doppler, o que adiciona latência e sobrecarga computacional. Embora as Redes Neurais de Espículas (SNNs) ofereçam uma alternativa promissora para a eficiência energética devido ao seu processamento esparso e orientado a eventos, as soluções existentes de SNN para HAR frequentemente dependem de características de radar pré-processadas (ex: assinaturas de micro-Doppler) em vez de dados CIR brutos, falhando em explorar totalmente a esparsidade das características do canal de rádio.

Metodologia
Os autores propõem um pipeline de processamento de ponta a ponta que elimina a necessidade de pré-processamento no domínio Doppler, aprendendo representações codificadas por espículas adaptadas diretamente de dados CIR brutos. O núcleo da metodologia é um Autoencoder de Espículas Convolucional (SCAE) treinado conjuntamente com um classificador de Rede Neural de Espículas (SNN).

1. Arquitetura:

   • SCAE (Encoder-Decoder): O encoder recebe amostras de CIR bruto (compostas por componentes reais e imaginários através de bins de alcance e janelas temporais) e as processa através de camadas convolucionais 3D e neurônios Leaky Integrate-and-Fire (LIF). Ele produz um trem de espículas binárias. O decoder tenta reconstruir o CIR original a partir dessas espículas. Esta tarefa de reconstrução força o encoder a preservar características críticas de movimento enquanto binariza os dados.
   • Classificador SNN: A saída de espículas do SCAE é alimentada em um classificador consistindo em camadas totalmente conectadas de neurônios LIF. A rede prevê uma de quatro atividades humanas: caminhar, correr, sentar/estar em pé e acenar as mãos.
   • Treinamento: O sistema é treinado de ponta a end-to-end usando uma função de perda composta: $L = L_{rec} + \gamma L_{class}$. $L_{rec}$ é o Erro Quadrático Médio (MSE) entre o input e o CIR reconstruído, enquanto $L_{class}$ é a perda de Entropia Cruzada baseada na contagem de espículas (rate coding). Os autores utilizam gradientes substitutos (aproximação de arcotangente) para lidar com a não-diferenciabilidade da geração de espículas.

2. Baselines Comparativos:
   Para validar a abordagem proposta, os autores a comparam contra:

   • CAE-SNN: Um Autoencoder Convolucional usando neurônios ReLU padrão em vez de neurônios LIF, treinado de forma semelhante.
   • Delta Thresholding + SNN: Um método de codificação de limiar fixo baseado em diferenças de sinal temporal, alimentado na SNN.
   • Direct-SNN: Um classificador SNN treinado diretamente em dados CIR brutos sem um autoencoder de codificação.
   • CNN Baseline: Uma CNN padrão originalmente treinada em espectrogramas Doppler, aqui retreinada em dados CIR brutos.

Principais Contribuições

1. Codificação de Espículas Aprendida para CIR: O artigo introduz um mecanismo de codificação de espículas aprendido especificamente adaptado para dados CIR. Diferente do limiar fixo ou autoencoders padrão, este método equilibra a precisão do reconhecimento de atividade com a esparsidade das espículas.
2. Eliminação de Pré-processamento: O framework processa dados CIR brutos diretamente, removendo a carga computacional de gerar mapas Doppler ou espectrogramas.
3. Otimização Conjunta: Ao treinar conjuntamente o autoencoder e o classificador, o sistema aprende uma representação de espícula que é ótima tanto para a reconstrução do sinal quanto para a classificação, em vez de tratar a codificação como um passo separado e estático.
4. Trade-off Performance vs. Eficiência: O estudo demonstra que codificar dados CIR antes da classificação melhora significativamente tanto a precisão do HAR quanto a eficiência energética em comparação com o processamento direto ou abordagens CNN padrão.

Resultados Experimentais
Experimentos foram conduzidos usando o dataset DISC, que contém medições de CIR de sinais IEEE 802.11ay de 60 GHz capturando quatro atividades realizadas por sete sujeitos.

• Acurácia: O proposto SCAE-SNN alcançou um F1 score de 95,75%, comparável ao CAE-SNN (95,16%) e superando significativamente a abordagem de Delta Thresholding (74,59%) e variantes Direct-SNN (que caíram para ~50% ou menos). Notavelmente, a CNN baseline, quando retreinada em dados CIR brutos, sofreu uma queda de desempenho de aproximadamente 10 pontos percentuais em relação ao seu desempenho original em espectrogramas Doppler, destacando a dificuldade de aprender diretamente de sinais brutos sem a arquitetura proposta.
• Esparsidade: O SCAE produziu a representação de espículas mais esparsa com 81,1% de esparsidade. Isso é substancialmente maior que o CAE (28,6%) e o método de Delta Thresholding (71,7%). Maior esparsidade implica menos computações e menor consumo de energia em hardware neuromórfico.
• Eficiência: O modelo SCAE-SNN é compacto (28k parâmetros) e alcança um tempo de inferência de aproximadamente 19,8 ms. Embora a etapa de codificação adicione latência, a alta esparsidade e a natureza orientada a eventos da SNN sugerem economias significativas de energia na implantação.
• Resolução Temporal: Os autores analisaram o trade-off entre o número de passos de tempo ($T$) e o F1 score, descobrindo que o desempenho satura em torno de $T=29$, que foi selecionado como a configuração ideal para implantação.

Significância e Alegações
O artigo afirma que sua arquitetura SCAE-SNN oferece uma solução prática para HAR de tempo real e energeticamente eficiente em dispositivos de borda. Ao aprender uma codificação de espículas esparsa e adaptada diretamente de dados CIR brutos, o sistema alcança alta precisão (quase 96% de F1) enquanto reduz drasticamente a carga computacional através da esparsidade (81,1%). Os autores enfatizam que esta abordagem supera as limitações de modelos de DL de alta complexidade e métodos de pré-processamento fixos ineficientes, tornando-a adequada para o paradigma emergente de ISAC. O trabalho sugere que pesquisas futuras devem estender este framework para sistemas multi-antena e cenários multi-usuário.