基于DB-GS-Yolo11的跨域智能无线感知算法
孙海洋1
李天成1
刘广虎2
徐凌伟1
1.青岛科技大学 信息科学技术学院,山东 青岛 266000;数字化学习技术集成与应用教育部工程研究中心,北京 100039;广西高校非线性电路与光通信重点实验室,广西师范大学,广西 桂林 5410042.青岛科技大学 信息科学技术学院,山东 青岛 266000
摘要：无线感知技术利用环境中的WiFi信号提取特征信息,识别目标运动状态.无线感知技术随智能设备普及,已广泛应用于智能家居、医疗健康、人机交互和自动驾驶等领域.然而,移动通信环境复杂多变,无线感知存在着模型感知精度低、场景泛化能力差、环境依赖性高等问题.因此,针对不同的跨域场景,提出基于双支路门控时序Yolo11跨域智能无线感知算法DB-GS-Yolo11.该算法采用双支路结构设计,融合了Yolo11神经网络、门控注意力模块(Gated Attention Coding,GAC)和状态空间模块(State Space Model,SSM),能够高效感知输入信号,并有效提取关键跨域特征,从而大幅提升模型的泛化能力.这一改进显著降低了感知任务对特定环境的依赖,使其具备更强的鲁棒性、可移植性以及跨领域识别精度.在对比实验中,所提出的DB-GS-Yolo11算法与多种主流神经网络模型,包括深度神经网络(Deep Neural Network,DNN)、门控循环网络(Gated Recurrent Unit,GRU)以及Google Inception Net神经网络(GoogLeNet)进行了性能对比.实验结果表明,DB-GS-Yolo11在感知复杂度优化、识别精度提升以及跨域适应能力方面均展现出更优越的表现.在域内数据集中识别精度整体提高5.33%～9.67%,耗时减少1.35%～17.81%.同时在跨位置、跨方向等跨域数据集上所提出的算法的识别精度提升2.33%～7.33%和2.67%～4.33%,耗时减少1.63%～4.69%和0.23%～3.11%.
关键词：智能无线感知跨域识别注意力机制双支路Yolo11神经网络
分类号：TN929.5(无线通信)TP393(计算技术、计算机技术)
资助基金：国家自然科学基金(62201313)数字化学习技术集成与应用教育部工程研究中心创新基金项目(1321012)广西高校非线性电路与光通信重点实验室开放基金课题(NCOC-25-03)国家级大学生创新创业训练计划项目(202410426019)
论文发表日期：2026-04-25
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：14( 224-237 )
英文信息