我院邓涛教授团队的最新研究成果《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区Top期刊，IF=4.3）接收，于2023年11月15日正式发表，该期刊是信号处理与传感器技术领域的国际知名期刊，具有较高的认可度。团队负责人邓涛教授为通讯作者，其指导的中国信息信息研究院硕士研究生陆礼盟为第一作者，该论文是团队研究多模态人体活动识别技术的阶段性成果。论文地址为：

https://ieeexplore.ieee.org/document/10286345

人体活动识别（Human Activity Recognition, HAR）是普适计算和模式识别的一个重要子领域。虽然研究人员在基于传感器的人体活动识别的特征提取和分类方面取得了显著的成果，但他们也遇到了性能瓶颈。传感器信号去噪已经成为提高基于传感器的HAR架构性能的一种优秀方法。在这项研究中，邓涛教授团队提出了一种新颖的自监督盲去噪方法，用于传感器信号，它作为人体活动识别任务中的一个新模块，显著提高了整体系统的性能。

图1 去噪程序

提出的方法将图像修复中的掩蔽思想应用于时间信号处理，并利用相邻信号来预测中心信号，利用独立的噪声测量和真实相邻信号之间的时间关系，而无需了解噪声分布。去噪函数是从样本中学习的，然后将去噪后的信号输入分类模型。在WISDM、UCI-HAR和PAMAP2等基准数据集上进行的实验证明了提出的去噪方法的有效性。去噪后，动作内类别的差异减小，而动作间类别的差异增加。结果显示，系统的识别准确率在各自的数据集上显著提高至98.6%、97.64%和97.12%。

图2 中心点盲去噪初始化