随着智能家居和办公系统的快速发展，能够为细粒度的用户活动跟踪服务提供无缝、无侵入的机遇，且准确识别用户活动和身份成为可能。此类系统可以在各个领域找到应用，比如老年人保护、定制服务和简单的个人活动日志。近年来，人们提出了很多种基于射频的人体活动感知系统，它们大多集中在有限的场景中，并且受到其他用户或无线设备的干扰。为了应对这一挑战，我们提出了Back-Guard系统，它通过无电池的无线反射技术实现准确、无干扰的用户活动识别和用户识别。Back-Guard通过分析反射通信的频谱图数据，并从空间和时间域中提取能够表征用户行为的高级特征。利用深度学习模型，我们的系统能够在不同的情况下准确而稳健地区分不同的动作和用户。我们利用设计的原型系统在实际场景中收集了超过2个月的25个用户的数据。大量实验表明，该系统具有良好的性能。特别是，Back-Guard的活动识别准确率为93.4%，用户识别准确率为91.5%。我们的实验也证明了当多个用户被分开时，精度几乎没有降低。

    本研究由中国科学技术大学在本项目支持下完成，结果发表在CCF推荐B类国际会议IEEE/ACM IWQoS 2020上。