Fugu-MT 論文翻訳(概要): Hands-on Wireless Sensing with Wi-Fi: A Tutorial

論文の概要: Hands-on Wireless Sensing with Wi-Fi: A Tutorial

arxiv url: http://arxiv.org/abs/2206.09532v1
Date: Mon, 20 Jun 2022 01:53:35 GMT
ステータス: 処理完了
システム内更新日: 2022-07-04 02:23:30.418648
Title: Hands-on Wireless Sensing with Wi-Fi: A Tutorial
Title（参考訳）: wi-fiでワイヤレスセンシングを体験するチュートリアル
Authors: Zheng Yang, Yi Zhang, Guoxuan Chi, Guidong Zhang
Abstract要約: このチュートリアルでは、Wi-Fiセンシングを例に挙げる。データ収集、信号処理、特徴抽出、モデル設計の理論的原則とコード実装の両方を導入している。
参考スコア（独自算出の注目度）: 7.8774878397748065
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the rapid development of wireless communication technology, wireless access points (AP) and internet of things (IoT) devices have been widely deployed in our surroundings. Various types of wireless signals (e.g., Wi-Fi, LoRa, LTE) are filling out our living and working spaces. Previous researches reveal the fact that radio waves are modulated by the spatial structure during the propagation process (e.g., reflection, diffraction, and scattering) and superimposed on the receiver. This observation allows us to reconstruct the surrounding environment based on received wireless signals, called "wireless sensing". Wireless sensing is an emerging technology that enables a wide range of applications, such as gesture recognition for human-computer interaction, vital signs monitoring for health care, and intrusion detection for security management. Compared with other sensing paradigms, such as vision-based and IMU-based sensing, wireless sensing solutions have unique advantages such as high coverage, pervasiveness, low cost, and robustness under adverse light and texture scenarios. Besides, wireless sensing solutions are generally lightweight in terms of both computation overhead and device size. This tutorial takes Wi-Fi sensing as an example. It introduces both the theoretical principles and the code implementation of data collection, signal processing, features extraction, and model design. In addition, this tutorial highlights state-of-the-art deep learning models (e.g., CNN, RNN, and adversarial learning models) and their applications in wireless sensing systems. We hope this tutorial will help people in other research fields to break into wireless sensing research and learn more about its theories, designs, and implementation skills, promoting prosperity in the wireless sensing research field.
Abstract（参考訳）: 無線通信技術の急速な発展に伴い、無線アクセスポイント(AP)とモノのインターネット(IoT)デバイスは、我々の周辺に広く展開されてきた。様々な種類の無線信号(Wi-Fi、LoRa、LTEなど)が、私たちの生活空間と作業空間を埋めています。従来の研究では、電波が伝播過程(反射、回折、散乱など)中に空間構造によって変調され、受信機に重畳されていることが示されている。この観測により、受信した無線信号に基づいて周囲の環境を再構築することができる。ワイヤレスセンシングは、人間とコンピュータのインタラクションのためのジェスチャー認識、医療のためのバイタルサインモニタリング、セキュリティ管理のための侵入検知など、幅広いアプリケーションを可能にする新しい技術である。視覚ベースやIMUベースのセンシングなどの他のセンシングパラダイムと比較すると、無線センシングソリューションには、高カバレッジ、広範性、低コスト、悪質な光やテクスチャのシナリオ下での堅牢性といったユニークな利点がある。加えて、無線センシングソリューションは一般に計算オーバーヘッドとデバイスサイズの両方の観点から軽量である。このチュートリアルはWi-Fiセンシングを例に挙げる。データ収集、信号処理、特徴抽出、モデル設計の理論的原則とコード実装の両方を導入している。さらに、このチュートリアルでは、最先端のディープラーニングモデル(例えば、CNN、RNN、および敵学習モデル)とその無線センシングシステムへの応用を強調している。このチュートリアルでは、他の研究分野の人々がワイヤレスセンシング研究に参入し、その理論、設計、実装スキルについてより深く学び、ワイヤレスセンシング研究分野の繁栄を促進することを望んでいる。

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)
Generative AI Empowered LiDAR Point Cloud Generation with Multimodal Transformer [10.728362890819392]
統合センシングと通信は6G無線通信システムのキーイネーブルである。本稿では、画像とRADARデータからLiDAR点雲を合成し、無線通信システムを強化する新しい手法を提案する。
論文参考訳（メタデータ） (2024-05-20T04:15:08Z)
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)
DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文参考訳（メタデータ） (2022-12-31T16:48:43Z)
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)
Wireless for Machine Learning [91.13476340719087]
我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
論文参考訳（メタデータ） (2020-08-31T11:09:49Z)
Vision Meets Wireless Positioning: Effective Person Re-identification with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文参考訳（メタデータ） (2020-08-10T14:19:15Z)
Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
論文参考訳（メタデータ） (2020-07-06T13:59:09Z)
A Primer on Large Intelligent Surface (LIS) for Wireless Sensing in an Industrial Setting [39.85717881039926]
本稿では,産業4.0シナリオにおけるLIS(Large Intelligent Surfaces)のコミュニケーションセンシング統合の可能性について述べる。 LISを環境の無線画像として扱うことにより,コンピュータビジョンと機械学習を併用したセンシング技術を開発した。その結果, LISをベースとしたセンシングは高精度で, 屋内の産業環境にも適用可能性が高いことがわかった。
論文参考訳（メタデータ） (2020-06-11T16:15:50Z)
Deep Learning for Wireless Communications [3.7506111080592386]
まず、オートエンコーダを用いたエンドツーエンド通信システムの設計にディープラーニングがどのように使われているかを説明する。次に、スペクトル状況認識におけるディープラーニングの利点を示す。最後に,無線通信セキュリティにおけるディープラーニングの応用について論じる。
論文参考訳（メタデータ） (2020-05-12T21:58:44Z)

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。