由我院赵传信教授等人完成的一篇关于深度学习领域的研究成果：“Wi-Fi环境中CT-A混合深度学习模型的人体手势识别“被传感器领域国际TOP期刊IEEE SENSORS JOURNAL录用并出版。

基于Wi-Fi的手势识别系统在特定领域内取得了很好的精度，但在跨领域能力方面仍然存在局限性。为了应对这一挑战，论文提出了一种混合深度学习模型，该模型利用了卷积神经网络(CNN)和Transformer中的编码器模块的组合。该模型考虑了手势的空间定位和距离依赖性，提高了对体坐标速度剖面(BVP)序列时空特征的建模能力。此外，通过提取含有大量分类信息的低维向量，增强了模型对BVP序列时空特征的建模效果。然后将这些向量输入Adaboost模块进行集成学习。最后，使用强分类器计算手势的分类。整体结构如图1。为了评估提出的模型的性能，在一个公共数据集上进行了实验。结果表明该方法的优越性和有效性。成果论文题目为“Human Gesture Recognition Based on CT-A Hybrid Deep Learning Model in Wi-Fi Environment”，由我院赵传信教授为通信作者，研究生姚彦成为第一作者。

图1. 本方案整体结构图

        IEEE SENSORS JOURNAL是 IEEE 出版的权威期刊，2022-2023最新影响因子（IF）为4.3，在2022年12月最新升级版的中科院SCI期刊分区中位列二区，Top期刊。