计算机工程

作者：王淑芸, 马腾飞, 夏洁, 杨志勇

单位：南昌航空大学软件学院, 江西 南昌 330063

关键词：信道状态信息,学习状态监测,相位校准,时频域,卷积神经网络

基金：国家自然科学基金(61501218)

中小学生课后常受游戏、短视频等诱惑, 且自制力尚未成熟, 自主学习易分心, 而家长难以全时监督, 导致学生学习成效不佳。为了提升学生的学习效率, 缓解家长焦虑情绪, 需要高可靠、低入侵的学习状态监测系统。在现有学习状态监测方法中, 基于计算机视觉和穿戴设备的方法存在依赖设备和环境、影响用户舒适度、侵犯个人隐私等弊端。针对上述问题, 以不同学习状态下的微小动作为识别目标, 将学习行为分为打游戏、阅读、写字、休息4种状态, 提出一种基于Wi-Fi信道状态信息(CSI)的非接触式学习状态监测方法Wi-LSM。该方法由Wi-Fi网卡采集CSI原始数据后, 首先利用相位校准与线性插值算法预处理数据, 以消除原始相位偏移并填补缺失数据包; 然后提取滤波降噪后幅值的时频域信息, 结合相位差共同形成识别特征; 最后将感知特征输入到所构建的多层机制卷积神经网络模型BN_SE_CNN中, 以实现不同学习状态的分类。实验结果表明, 该方法在不同室内环境下的最佳识别准确率达到96%, 验证了系统在学习状态监测方面的有效性。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期