一种面向跨域的基于元学习的CSI行为识别训练方法

本发明提出一组基于元学习的CSI行为识别训练方法，包括以下步骤：建立CSI数据采集系统获取数据集；对数据进行线性插值补全与Hampel滤波降噪，并经格拉姆角差场变换生成二维特征图；基于任务划分策略，将CSI数据分为支持集与查询集，构建跨域小样本学习任务；在模型优化阶段，针对跨域差异采用不同元学习策略，其一为Mixup‑MAML，MAML外循环中引Mixup数据增强生成虚拟查询集以提升快速适应与跨域泛化能力，其二为MixMeta‑SGD，在Meta‑SGD框架下联合更新模型参数、学习率和更新方向，并结合Mixup生成虚拟样本以增强鲁棒性；最终在优化后的模型上进行小样本微调，获得适应目标任务的最终模型参数，该结果可作为后续CSI行为识别模块或深度网络的输入，从而提升系统的泛化性与稳定性。