Wi-Fi感知大赛——办公场景

Case 1：连续开放会议室的多目标存在检测、定位； Case 2：连续小会议室的多目标存在检测；

Dataset

训练集：场景1:10月16日发布的训练数据。场景2:10月20日发布的训练数据。验证集：同上，因此是封闭域训练。

数据集放置在/data路径下。格式：

• data
  • 1016
    • train
      • signal
        • 0_1_1.txt
        • 0_1_2.txt
        • ...
      • gt
        • 0_1_1.txt
        • 0_1_2.txt
        • ...
    • test
      • signal
      • gt
  • 1020
    • ...

0_1_2.txt表示房间0、AP1、场景2。您也可以按照自己的方式命名，但确保signal和gt文件名称相同。

Data Preprocessing

graph LR;
    CSI --> Amplitude;
    CSI --> Phase;
    Phase --> unwrap;
    unwrap --> diff[PhaseDifference];
    Timestramp --> interp1d[interp1d_slinear];
    Amplitude --> interp1d;
    diff --> interp1d;

    interp1d --> UnifiedTimestamp;
    interp1d --> NewAmplitude;
    interp1d --> NewPhaseDifference;

    NewAmplitude --> HampelFilter;
    NewPhaseDifference --> HampelFilter;
    HampelFilter --> Normalization;
    Normalization --> Data;

    MCS/Gains/RSSI -.-> interp1d_[interp1d_nearest];
    interp1d_ -.-> Data;

Loading

Model

graph LR;
    Resnet1d --> Bi-LSTM;
    Bi-LSTM --> MLP1;
    Bi-LSTM --> MLP2;
    MLP1 --> BCE_Loss;
    MLP2 --> MSE_Loss;
    BCE_Loss -.-> A(predict 0/1);
    MSE_Loss -.-> B(predict number of person);
    A --> Output;
    B --> Output;

Loading

Result

/run/：存放训练模型。
/results/：存放模型预测结果，即比赛提交的文件。
/overviews/：可视化测试集信号与预测结果。

Config

训练参数见/config/*.yaml。由于该任务模型相对简单、稳定，模型超参数见/model/net.py。

Usage

cd ./wifi_localization

train

创建参数文件xxx.yaml，并设置参数。修改train.sh中的显卡编号、通信端口、和配置文件。运行：

sh train.sh

本工程采用Pytorch DDP，实际训练算力并不需要消耗多卡，只需设置一块显卡即可。

inference

用于生成测试数据的预测结果文件。设置inference.py中的配置文件路径xxx.yaml，运行：

python inference.py

由于赛题需要，inference.py中的from dataset.wifi2 import WiFi仅为保证两个场景的运行结果与提交结果一致而分开定义。

事实上，wifi2是落后于wifi的版本，已被弃用。

overview

用于生成可视化测试集信号与预测结果。设置overview.py中的TASK和预测文件路径，运行：

python overview.py

Contact

If you have any question or suggestion related to this project, feel free to open an issue or pull a request. You also can email Minjun Lu([email protected])

Links

1. 赛题介绍：第一届Wi-Fi感知大赛 -举办方：华为技术有限公司
2. Case 1 数据集：Room0,Room1,Room2,Room3
3. Case 2 数据集：Room0-AP右,Room1-AP中,Room2-AP左