多模态传感器融合框架在WESAD数据集上报告压力识别均值宏F1为0.923
《Scientific Reports》（《科学报告》，Springer Nature 出版）刊出论文摘要，提出面向物联网与信息物理系统的多模态传感器融合框架：按模态质量加权的编码器结合时间融合结构输出校准决策分数，并在特征与预测空间监测分布漂移。
在WESAD的10名受试者留一受试者评估中，摘要报告均值宏F1为0.923、AUROC为0.964，早期融合基线分别为0.859与0.960。 以上仅为摘要级结果，未经独立复现。
摘要显示，该框架在WESAD的10名受试者留一受试者评估中取得均值宏F1 0.923、AUROC 0.964，对比早期融合基线的0.859和0.960； 在SWaT攻击类别分类中均值宏F1为0.966，比LSTM-AE基线高0.055，AUROC 0.999，但AUPRC 0.911低于最佳基线的0.975。
校准误差ECE从6.8%降至2.1%，基于扰动的解释保真度高于92%。 SWaT分阶段检测率高于0.985、误报率低于0.02。 在最多400个模拟节点的部署条件下，每个决策窗口推理时延43毫秒，峰值内存472 MB，通信负载相比纯云端处理减少46.15%。 摘要未披露受试者招募背景、采集设备与训练/测试划分细节。
对可穿戴感知赛道而言，这份摘要触及两个实际问题：多模态信号在跨人、跨设备时会发生分布漂移，以及模型分数需要可解释与校准。 作者把漂移监测和自适应恢复放进同一框架，并同时报告识别指标与校准指标，比只报准确率更接近真实部署需要判断的内容。 但WESAD仅10人、采用留一受试者评估，样本规模有限，且摘要未说明是否使用公开标准划分；
SWaT属于工业控制系统数据，与人体生理感知不同域，两类结果不能相互外推。 因此这些数字说明的是该框架在特定公开数据集上的表现，不构成任何消费级压力或情绪识别产品的效能证据。
后续观察信号
- 核查全文中的受试者招募与数据划分细节
- 追踪同类框架在情绪与压力识别上的独立复现结果
- 了解端侧43毫秒时延对应何种硬件条件