論文の概要: Harvesting Ambient RF for Presence Detection Through Deep Learning

• arxiv url: http://arxiv.org/abs/2002.05770v3
• Date: Thu, 10 Dec 2020 01:03:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 13:03:46.156585
• Title: Harvesting Ambient RF for Presence Detection Through Deep Learning
• Title（参考訳）: 深層学習によるプレゼンス検出のためのハーベッティング環境RF
• Authors: Yang Liu, Tiexing Wang, Yuexin Jiang, Biao Chen
• Abstract要約: 本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。 WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。 畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
• 参考スコア（独自算出の注目度）: 12.535149305258171
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper explores the use of ambient radio frequency (RF) signals for human presence detection through deep learning. Using WiFi signal as an example, we demonstrate that the channel state information (CSI) obtained at the receiver contains rich information about the propagation environment. Through judicious pre-processing of the estimated CSI followed by deep learning, reliable presence detection can be achieved. Several challenges in passive RF sensing are addressed. With presence detection, how to collect training data with human presence can have a significant impact on the performance. This is in contrast to activity detection when a specific motion pattern is of interest. A second challenge is that RF signals are complex-valued. Handling complex-valued input in deep learning requires careful data representation and network architecture design. Finally, human presence affects CSI variation along multiple dimensions; such variation, however, is often masked by system impediments such as timing or frequency offset. Addressing these challenges, the proposed learning system uses pre-processing to preserve human motion induced channel variation while insulating against other impairments. A convolutional neural network (CNN) properly trained with both magnitude and phase information is then designed to achieve reliable presence detection. Extensive experiments are conducted. Using off-the-shelf WiFi devices, the proposed deep learning based RF sensing achieves near perfect presence detection during multiple extended periods of test and exhibits superior performance compared with leading edge passive infrared sensors. Comparison with existing RF based human presence detection also demonstrates its robustness in performance, especially when deployed in a completely new environment.
• Abstract（参考訳）: 本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。 wifi信号の例として,受信機で取得したチャネル状態情報(csi)が伝搬環境に関する情報を豊富に含むことを示す。 推定したCSIの予備処理と深層学習により、信頼性の高い存在検出が可能となる。 受動RFセンシングにおけるいくつかの課題に対処する。 存在検出では、人間の存在によるトレーニングデータの収集方法が、パフォーマンスに大きな影響を与える可能性がある。 これは、特定の動きパターンが興味がある場合のアクティビティ検出とは対照的である。 第2の課題は、RF信号が複素値であることである。 複雑な値の入力をディープラーニングで処理するには、注意深いデータ表現とネットワークアーキテクチャ設計が必要である。 最後に、人間の存在は多次元のcsi変動に影響を与えるが、そのような変動はしばしばタイミングや周波数オフセットといったシステムの障害によって隠蔽される。 これらの課題に対処すべく,本学習システムは,人間の運動誘発チャネル変動を他の障害に対して遮断しながら保存するために前処理を用いる。 畳み込みニューラルネットワーク(CNN)は、大きさと位相情報を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。 大規模な実験が行われている。 市販のWiFiデバイスを用いて,複数回の試験でほぼ完全に近い存在検出を実現し,先進のエッジ受動赤外線センサと比較して優れた性能を示す。 既存のRFに基づく人的存在検出と比較しても、特に全く新しい環境に配備された場合、その性能の堅牢性を示す。

関連論文リスト

• Neuro-Symbolic Fusion of Wi-Fi Sensing Data for Passive Radar with Inter-Modal Knowledge Transfer [10.388561519507471]
  本稿では,Wi-FiセンシングのためのニューロシンボリックアーキテクチャであるDeepProbHARを紹介する。 これは、Wi-Fi信号が脚や腕の動きなどの単純な動きと区別できるという最初の証拠を提供する。 DeepProbHARは、人間の活動認識における最先端技術に匹敵する結果を達成している。
  論文  参考訳（メタデータ） (2024-07-01T08:43:27Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Unsupervised Contrastive Learning for Robust RF Device Fingerprinting Under Time-Domain Shift [12.443489826220183]
  RF(Radio Frequency)デバイス指紋認証は、無線デバイスの自動識別と分類の潜在的な技術として認識されている。 チャネルの状態や環境設定の変化から生じる可能性のあるドメインシフトのために、これは大きな課題に直面します。 本稿では,この領域シフト問題を緩和するために,コントラスト学習を活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-06T20:33:55Z)
• Disentangling Imperfect: A Wavelet-Infused Multilevel Heterogeneous Network for Human Activity Recognition in Flawed Wearable Sensor Data [30.213716132980874]
  センサデータ解析のためのマルチレベルヘテロジニアスニューラルネットワーク MHNN を提案する。 センサデータからマルチレベル離散ウェーブレット分解法を用いてマルチレゾリューション特徴を抽出する。 提案したモデルに,マルチスケール特徴の学習を可能にする異種特徴抽出器を装備する。
  論文  参考訳（メタデータ） (2024-01-26T06:08:49Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Attention-Enhanced Deep Learning for Device-Free Through-the-Wall Presence Detection Using Indoor WiFi Systems [9.087163485833054]
  WiFi信号のチャネル状態情報(CSI)を用いた人間の存在検知システムを提案する。 本システムでは,CSIデータから情報サブキャリアを自動的に選択するためのアテンションメカニズムを用いて,アテンション検出のためのアテンション強化深層学習(ALPD)と命名した。 提案するALPDシステムは,CSIデータセットを収集するための一対のWiFiアクセスポイント(AP)をデプロイすることで評価し,さらにいくつかのベンチマークと比較した。
  論文  参考訳（メタデータ） (2023-04-25T19:17:36Z)
• Contactless Human Activity Recognition using Deep Learning with Flexible and Scalable Software Define Radio [1.3106429146573144]
  本研究では,環境センシングの新たな手法として,Wi-Fiチャネル状態情報(CSI)の利用について検討する。 これらの方法は、プライバシーを侵害する視覚ベースのシステムに必要な追加のハードウェアを避ける。 本研究では,Wi-Fi CSIベースのHARシステムを提案する。
  論文  参考訳（メタデータ） (2023-04-18T10:20:14Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。