WiFi CSI 无法替代可穿戴 IMU：27 类活动识别中 WiFi 加权准确率仅 6-11%，IMU 达 73-80%
核心概要
该研究以 Multimodal Activity Sensing Dataset（MASD，27 类活动、20 名参与者）为对象，检验环境 WiFi 信道状态信息（CSI）能否替代体戴惯性测量单元（IMU）做人体活动识别；作者发现数据集发布的机器学习就绪文件实际暴露的是退化的有符号 CSI 表示而非文档所述的幅度，于是从原始复数 CSI 重建幅度与天线比多普勒、恢复被省略的参与者标识，并在受控多种子、主体独立评估下重新评测，结果显示 WiFi 系统性偏弱：所试每种骨干网络在 27 类上加权准确率仅 6-11%，而 IMU 为 73-80%，27 类活动中 0 类达到可用准确率；修正表示确有作用（在简单子集上提升 14 个百分点），但 WiFi 仍
深度剖析
研究给出首个大规模说明，指出 WiFi CSI 在哪些活动上、以及为何无法替代 IMU 做活动识别。 此前工作多报告 WiFi 传感的可行性，而该研究以主体独立、多种子的受控评估系统刻画替代失败的分布与原因。 基于 MASD 的 27 类活动、20 名参与者，采用多种子受控评估与主体独立划分；WiFi 各骨干加权准确率 6-11%，IMU 为 73-80%，27 类中 0 类可用。
研究揭示数据集发布的机器学习就绪文件暴露的是退化的有符号 CSI 表示，而非文档所述的幅度，从而使基于原样文件的结论失效。 这是对已发布数据制品本身的可复现性发现，而非仅对模型或算法的再评测。 作者从原始复数 CSI 重建正确的幅度与天线比多普勒，并恢复被省略的参与者标识；修正表示在简单子集上带来 14 个百分点的提升。
即便使用修正后的 CSI 表示，WiFi 仍不能替代 IMU，且与 IMU 融合也不优于单用 IMU。 该结论直接针对“CSI-IMU 可替代性”这一假设给出否定性证据，而非仅比较单一模型性能。 在修正表示后仍观察到 WiFi 系统性偏弱；融合未超过 IMU 单模态；良好正则化的门控融合模型会关闭其门并变得对 WiFi 不变。
作者发布面向 MASD 的修正版、带主体标签的 CSI 处理流程，供后续复现与再评测使用。 该流程同时修正表示与主体标识，使主体独立评估可在该数据集上被一致地重做。 流程公开于 https://github.com/Joost080/masd-wifi-imu-substitutability，并支撑了本文的多种子、主体独立评测。
启示与展望
该结果面向使用 MASD 数据集、以 WiFi CSI 替代或补充体戴 IMU 的活动识别研究，适用于主体独立、多种子的受控评测设定；作者发布的修正版、带主体标签的 CSI 处理流程可供后续复现与再评测使用，并可用于检验其他表示重建或融合策略是否改变替代结论。
读者仍需关注：修正后的 CSI 表示在其他数据集或传感配置下是否同样改变结论；门控融合“关闭其门”的行为在不同正则化强度下是否稳定；27K 参数特征模型与深度网络在 WiFi 无法恢复的同类活动上共同失败，提示这些活动的可恢复性可能受限于传感模态本身而非模型容量；此外，本文以摘要形式呈现，具体活动类别、失败模式细分与统计细节需查阅原文与公开流程。