Wi-Spike: A Low-power WiFi Human Multi-action Recognition Model with Spiking Neural Networks

1. O Problema

A Reconhecimento de Ação Humana (HAR) baseada em WiFi tem ganhado destaque devido à sua natureza não intrusiva e preservação de privacidade, utilizando informações de estado do canal (CSI). No entanto, a pesquisa atual enfrenta três desafios principais:

• Foco Excessivo em Precisão: A maioria dos modelos existentes prioriza a melhoria da precisão, negligenciando o consumo de energia e a eficiência energética.
• Limitações em Dispositivos de Borda: Modelos de aprendizado profundo convencionais (como CNNs e RNNs) possuem alto custo computacional e demanda energética, tornando-os inadequados para dispositivos IoT e plataformas embarcadas com recursos limitados.
• Reconhecimento de Ações Múltiplas: A maioria dos estudos foca em ações simples e isoladas (ex: caminhar, pular). Existe uma lacuna significativa na detecção de padrões complexos e compostos (múltiplas ações simultâneas ou sequenciais), que são comuns em cenários do mundo real, mas difíceis de separar devido a transições ambíguas e interferências.

2. Metodologia: Wi-Spike

O artigo propõe o Wi-Spike, um framework baseado em Redes Neurais de Spiking (SNNs), inspirado biologicamente no funcionamento do cérebro humano. A arquitetura substitui os neurônios artificiais tradicionais (que usam ativações contínuas) por neurônios de spiking (que usam eventos discretos), aproveitando a natureza event-driven (acionada por eventos) para reduzir drasticamente o consumo de energia.

A arquitetura do Wi-Spike segue as seguintes etapas:

1. Codificação de Spike (Spike Encoder): Os dados brutos de CSI do WiFi são transformados em trens de spikes discretos, simulando a natureza de eventos do sinal.
2. Extração de Características Espaciais e Temporais:
   • Utiliza Camadas Convolucionais de Spiking para extrair padrões espaciais e temporais dos dados de CSI.
   • Introduz um Mecanismo de Atenção Temporal de Spiking, que recalibra as características temporais, focando em segmentos discriminativos (como mudanças de Doppler) e suprimindo ruído irrelevante.
3. Codificação e Classificação:
   • As características extraídas passam por Camadas de Pooling de Spiking para reduzir dimensões.
   • São processadas por Camadas Conectadas Totalmente de Spiking.
   • A classificação final é realizada por uma Camada de Votação de Spiking, que agrega as taxas de disparo (firing rates) dos neurônios ao longo do tempo para determinar a ação.
4. Treinamento: O modelo utiliza uma função de perda híbrida combinando Mean Squared Error (MSE) e Supervised Contrastive Loss (SCL) para melhorar tanto a precisão da classificação quanto a separabilidade das representações de características no domínio de spiking.

3. Principais Contribuições

1. Novo Modelo de Baixo Consumo: O Wi-Spike é o primeiro trabalho a introduzir um framework de SNN para reconhecimento de ações via WiFi, alcançando baixo consumo de energia sem sacrificar a precisão competitiva.
2. Definição e Solução para o Problema de Ações Múltiplas: O artigo formaliza o desafio do reconhecimento de ações compostas (duas ou três ações simultâneas/sequenciais) e demonstra que o Wi-Spike supera os modelos tradicionais nesse cenário complexo.
3. Mecanismo de Atenção Temporal: O desenvolvimento de uma camada de atenção baseada em spiking que permite ao modelo capturar padrões espaciais e temporais salientes, melhorando a robustez na distinção de atividades complexas.

4. Resultados Experimentais

Os experimentos foram conduzidos em três conjuntos de dados públicos (NTU-Fi-HAR, NTU-Fi-HumanID e UT-HAR) e em conjuntos de dados personalizados criados para simular ações duplas e triplas.

• Precisão em Ações Únicas: O Wi-Spike alcançou desempenho competitivo, obtendo 96,97% de precisão no NTU-Fi-HAR, 95,58% no NTU-Fi-HumanID e 96,51% no UT-HAR, comparável aos melhores modelos baseados em CNN e LSTM.
• Desempenho em Ações Múltiplas: O modelo demonstrou superioridade clara em tarefas complexas. No conjunto de dados duplo do NTU-Fi-HAR, alcançou 95,83% de precisão, superando significativamente modelos como ViT (86,54%) e CNN (91,87%).
• Eficiência Energética:
  • O Wi-Spike reduziu o custo de energia em pelo menos 50% em comparação com outros métodos.
  • Em termos de consumo teórico, o modelo consumiu apenas 0,07 pJ (picojoules) por amostra, enquanto modelos baseados em atenção (ViT) consumiram 2,33 pJ. O Wi-Spike requer apenas 1/33 da energia de um modelo ViT para realizar a mesma tarefa.
  • A taxa de disparo (firing rate) do modelo estabilizou-se na faixa ideal de 0,1 a 0,3, indicando operação eficiente e estável.
• Análise de Robustez: À medida que o número de ações aumentava (de 1 para 3), a precisão de todos os modelos caiu, mas o Wi-Spike manteve a maior precisão e a menor variância, demonstrando maior estabilidade em cenários complexos.

5. Significado e Impacto

O trabalho do Wi-Spike estabelece um novo estado da arte (SOTA) no reconhecimento de ações humanas múltiplas baseadas em WiFi. Sua principal contribuição é a demonstração de que é possível integrar alta precisão e eficiência energética em um único framework, resolvendo o dilema comum entre desempenho e consumo de recursos.

Ao utilizar neurônios de spiking, o modelo torna viável a implementação de sistemas de sensores WiFi de longo prazo em dispositivos de borda com bateria limitada (como em hospitais, cuidados com idosos e casas inteligentes), onde a privacidade e a baixa potência são críticas. A capacidade de lidar com ações compostas complexas abre caminho para aplicações mais realistas e sofisticadas de computação pervasiva.