WiFi 能说什么？面向 WiFi 信号的语言对齐表征学习

基于摘要分析。本文研究如何让 WiFi 信道状态信息（CSI）支持自然语言活动描述，提出 SignalLang，将 CSI 与聚焦运动的语言对齐，以单一骨干支持描述生成、双向检索和 WiFi 问答。主要研究对象是日常活动的 WiFi 感知，而非 EEG 或 BCI。 机制上，SignalLang 使用基于子载波—时间 token 的 transformer，保留 CSI 的链路、频率和时间结构；结合对比、匹配、生成及辅助活动目标学习共享 WiFi—文本表征。类别感知负样本屏蔽避免将同一活动类别的记录作为负样本。语言描述保留姿态、身体部位参与、运动属性和时间结构，同时排除信号不支持的视觉细节；描述的构建与核验流程尚未验证。 作者报告，在 XRF55 中训练阶段已覆盖的活动类别上，相较适配后的 WiFi2Cap 基线，SignalLang 的 BLEU-4 提高 19.9 分，WiFi 到文本检索 R@1 提高 51.8 个百分点，WiFi 问答 Accuracy 提高 25.3 个百分点。作者还报告对留出活动类别的检索和问答具有可测量的迁移能力，但摘要未给出具体数值。上述结果不能视为跨被试或跨环境泛化证据；数据划分、基线适配、语言监督来源、消融及统计信息尚未验证。 平台推测（待验证）：其可供 EEG 研究考察的是保留信号结构的编码、多任务语言对齐及同类负样本屏蔽，而非 WiFi 活动语义本身。迁移假设依赖 EEG 与文本之间存在可靠、可重复的对应关系，需改造输入编码与描述体系；EEG 低信噪比、被试及通道差异、小数据和粗粒度标签可能使模型仅记住类别词。可在具有可靠任务文本的 EEG 数据上固定跨被试划分，对比启用与禁用同类负样本屏蔽的检索表现，检验该机制是否带来稳定收益。已有 EEG 相关工作尚未检索确认。