源熵引导自适应传输框架提升多视角WiFi感知效率

在基于无线信号的非接触感知系统中，通信与感知往往共享同一物理层资源。当分布式设备借助常规通信传输获取感知数据时，感知采集与边缘推理之间形成了一种独特的耦合关系：通信间隔决定了信号源所携带的信息量，而上行链路条件则决定了能够送达服务器参与推理的信息总量。如何在有限通信预算下实现高效的多视角感知推理，成为该领域亟待解决的问题。

为应对上述耦合，研究团队提出了一种源熵引导的自适应传输框架。该框架首先利用多输出高斯过程，将包触发信道状态信息（CSI）的熵建模为通信间隔的函数，从而获得可解析的熵上界。随后，将这一解析上界与由传输速率与时延要求共同决定的可用比特预算进行比较，自适应地选择原始数据传输或面向任务的传输模式。

在面向任务的传输路径中，研究者将通信受限的推理问题建模为信息瓶颈问题，并将其分解为自适应分布式编码与多视角推理两个子模块（ADE-MI），从而避免了在设备与边缘服务器之间反复进行交替优化的复杂性。在Widar3.0多视角CSI手势识别数据集上的实验结果显示，所提解析上界与基于标准化流的数值估计高度吻合，ADE-MI在相同比特预算下优于现有的面向任务基准方法，且整体框架在时变信道条件下能够进一步提升识别准确率。

【空音视角】 该研究将信息论工具——尤其是源熵与信息瓶颈——引入分布式WiFi感知系统的传输决策，是一条颇具启发性的技术路线。在实际部署中，感知精度与通信开销之间的平衡直接决定方案的可行性与可扩展性，尤其在多设备协同的智慧养老与病房监测场景下，链路条件往往呈现明显的时变特性。该框架所体现的按需传输、协同编码思路，与空音在非接触生命体征监测中关注的数据高效采集与边缘协同推理方向具有相通之处，后续值得从信道建模与比特分配角度持续关注。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2609.19457