近日，智能信息与先进制造学院智能电磁感知研究团队在智能电磁感知领域取得重要进展，相关成果发表于物联网领域国际顶级期刊《IEEE Internet of Things Journal》。论文题为《Wi-DMAR: cross-domain human activity recognition via an enhanced conditional diffusion model》，该研究由安徽师范大学牵头，南京邮电大学、澳大利亚斯威本科技大学和美国奥本大学共同合作完成，第一作者为2024级研究生汤才彬，通讯作者为汤萍萍老师。

基于WiFi信道状态信息（CSI）的人体活动识别因其非侵入性和隐私保护优势，已成为物联网人机交互领域的研究热点。然而，现有方法面临子载波冗余、目标域标注样本不足及CSI信号对环境变化高度敏感等挑战。针对上述问题，研究团队设计了Wi-DMAR系统，创新性集成了三大核心模块：自适应子载波选择模块通过主成分分析与互信息计算筛选高敏感度子载波，在降低数据维度的同时保留关键活动特征；基于条件扩散模型的数据增强模块利用Transformer提取域特定表征，联合优化域一致性损失与扩散损失生成高质量伪样本，有效缓解目标域数据稀缺问题；基于样本相似度学习的活动识别模块将传统标签分类任务重构为样本比较任务，通过三元组损失约束增强跨域泛化能力。实验结果表明，Wi-DMAR在Widar3.0和SignFi公开数据集上的识别准确率显著优于DiffAR、MetaAct等现有先进方法，消融实验进一步验证了各核心模块对性能提升的积极贡献。该研究为智能家居、医疗监测等场景下的跨环境WiFi感知提供了新的技术路径。