结构化姿态条件流匹配框架发布 面向5G CSI生成增强
研究人员提出StructFlow-HPR框架，采用结构化姿态条件流匹配方法对5G信道状态信息进行生成式增强。该方法通过姿态条件Transformer建模潜在速度场，可在有限真实样本条件下合成与姿态对齐的CSI数据，缓解大规模同步CSI-姿态对采集成本高的问题，并在真实5G感知数据实验中改善了下游人体姿态识别性能。
随着隐私保护与遮挡鲁棒的人体姿态识别需求增长，5G信道状态信息（CSI）因其融合通信与感知的能力，成为受关注的无接触感知模态。然而，在实际5G系统中采集大规模且时间同步的CSI-姿态标注数据对成本高昂，制约了相关模型的训练与部署。
针对上述数据瓶颈，来自信号处理领域的研究团队提出了名为StructFlow-HPR的结构化姿态条件流匹配框架，用于生成式CSI增强。该框架在姿态条件引导下，学习从高斯噪声到真实CSI表示的连续潜在传输过程，并通过具有重构保持能力的自编码器保留CSI的接收端-频率拓扑结构，使生成样本在结构上与真实测量保持一致。
在生成阶段，研究者设计了姿态条件Transformer来建模潜在速度场，并借助常微分方程采样得到与姿态对齐的CSI样本。在真实5G感知数据上的实验结果表明，StructFlow-HPR能够合成较为逼真的CSI-姿态对，并在有限数据条件下提升下游人体姿态识别任务的性能，为缓解数据稀缺问题提供了一种新的技术路径。
【空音视角】 5G CSI与WiFi CSI在信号建模与感知原理上具有共通之处，标注样本采集成本高、数据稀缺同样是制约无线感知落地的重要瓶颈。该工作将生成式流匹配范式引入CSI数据增强，为缓解样本不足提供了新思路，对空音关注的WiFi感知与非接触监测方向具有借鉴意义。未来可探索将类似的生成增强方法应用于呼吸、跌倒等生命体征与行为事件的样本扩充，从而降低真实标注数据的采集门槛。
—— 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/2609.29912
来源：arXiv 信号处理（查看原文）