Fugu-MT 論文翻訳(概要): A CSI Dataset for Wireless Human Sensing on 80 MHz Wi-Fi Channels

論文の概要: A CSI Dataset for Wireless Human Sensing on 80 MHz Wi-Fi Channels

arxiv url: http://arxiv.org/abs/2305.03170v1
Date: Sat, 29 Apr 2023 15:57:36 GMT
ステータス: 処理完了
システム内更新日: 2023-05-14 21:15:09.219589
Title: A CSI Dataset for Wireless Human Sensing on 80 MHz Wi-Fi Channels
Title（参考訳）: 80MHzWi-Fiチャネルを用いた無線人体センシングのためのCSIデータセット
Authors: Francesca Meneghello, Nicol\`o Dal Fabbro, Domenico Garlisi, Ilenia Tinnirello, Michele Rossi
Abstract要約: 本稿では,80MHz帯におけるIEEE 802.11acチャネル計測のデータセットについて述べる。全体として、データセットは13時間以上のチャネル状態情報読み込み(23.6GB)を含んでいる。
参考スコア（独自算出の注目度）: 10.056835910435499
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the last years, several machine learning-based techniques have been proposed to monitor human movements from Wi-Fi channel readings. However, the development of domain-adaptive algorithms that robustly work across different environments is still an open problem, whose solution requires large datasets characterized by strong domain diversity, in terms of environments, persons and Wi-Fi hardware. To date, the few public datasets available are mostly obsolete - as obtained via Wi-Fi devices operating on 20 or 40 MHz bands - and contain little or no domain diversity, thus dramatically limiting the advancements in the design of sensing algorithms. The present contribution aims to fill this gap by providing a dataset of IEEE 802.11ac channel measurements over an 80 MHz bandwidth channel featuring notable domain diversity, through measurement campaigns that involved thirteen subjects across different environments, days, and with different hardware. Novel experimental data is provided by blocking the direct path between the transmitter and the monitor, and collecting measurements in a semi-anechoic chamber (no multi-path fading). Overall, the dataset - available on IEEE DataPort [1] - contains more than thirteen hours of channel state information readings (23.6 GB), allowing researchers to test activity/identity recognition and people counting algorithms.
Abstract（参考訳）: 近年,Wi-Fiチャネルの読み上げから人の動きを監視する機械学習技術がいくつか提案されている。しかし、異なる環境に対して堅牢に動作するドメイン適応型アルゴリズムの開発は、まだオープンな問題であり、そのソリューションは環境、人、Wi-Fiハードウェアの観点から、強力なドメイン多様性を特徴とする大きなデータセットを必要とする。現在利用可能な数少ないパブリックデータセットは、20MHzまたは40MHz帯で動作するWi-Fiデバイスを通じて得られるもので、ドメインの多様性がほとんどあるいは全くないため、センシングアルゴリズムの設計の進歩が劇的に制限されている。本研究は,ieee 802.11acチャネル測定のデータセットを,異なる環境,日,ハードウェア間で13名の被験者を対象とした測定キャンペーンを通じて,著名なドメイン多様性を特徴とする80mhz帯域チャネル上で提供することで,このギャップを埋めることを目的としている。送信機とモニタとの間の直接経路を遮断し、半直交室(マルチパスフェーディングなし)で測定値を収集し、新しい実験データを提供する。全体として、データセットは、ieee dataport [1]で利用可能で、13時間以上のチャネル状態情報読み込み(23.6gb)が含まれており、研究者はアクティビティ/id認識とアルゴリズムのカウントをテストできる。

関連論文リスト

SAWEC: Sensing-Assisted Wireless Edge Computing [7.115682353265054]
本稿では,この問題に対処する新しいセンサ支援無線エッジコンピューティング(SAWEC)パラダイムを提案する。我々は,無線センシング技術を活用し,環境中の物体の位置を推定し,環境力学に関する洞察を得る。実験の結果,SAWECはチャネル占有率と終端遅延を90%以上削減することがわかった。
論文参考訳（メタデータ） (2024-02-15T15:39:46Z)
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)
Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文参考訳（メタデータ） (2023-03-03T23:46:25Z)
Exposing the CSI: A Systematic Investigation of CSI-based Wi-Fi Sensing Capabilities and Limitations [16.819111460629397]
この研究は、Wi-Fi 6の機能がセンシング性能に与える影響を明らかにし、将来のWi-Fiセンシング研究のためのベンチマークを作成することを目的としている。我々は,Wi-Fi 6信号を用いて,3人,3環境,12活動を含む広範囲なCSIデータ収集キャンペーンを実施している。ビデオ記録によって得られた匿名化された地上の真実は、3つのコレクターから約2時間分のCSIデータを含む80GBのデータセットを伴っている。
論文参考訳（メタデータ） (2023-02-02T10:21:00Z)
A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文参考訳（メタデータ） (2022-05-24T10:49:11Z)
DeepCSI: Rethinking Wi-Fi Radio Fingerprinting Through MU-MIMO CSI Feedback Deep Learning [15.160442408342407]
DeepCSIは、MU-MIMO Wi-Fiデバイスを認証するWi-Fi無線指紋認証の新しいアプローチだ。市販機器を用いた大規模データ収集キャンペーンを通じて,DeepCSIの性能を広範囲に評価した。実験結果から、DeepCSIは98%の精度で送信機を正確に識別することがわかった。
論文参考訳（メタデータ） (2022-04-15T18:59:29Z)
Energy efficient distributed analytics at the edge of the network for IoT environments [0.4898659895355355]
フォグコンピューティングのパラダイムを利用して、データが生成される場所に近づく。分散学習フレームワークのさまざまな構成のパフォーマンスを分析します。
論文参考訳（メタデータ） (2021-09-23T14:07:33Z)
Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文参考訳（メタデータ） (2021-06-03T08:35:10Z)
Environment and Person Independent Activity Recognition with a Commodity IEEE 802.11ac Access Point [11.105005428148026]
市販のIEEE 802.11ac(WiFi)デバイスを用いたヒト活動認識(HAR)のための独自のアプローチを提案する。そこで我々は,WiFiチャネルのチャネル周波数応答(CFR)から受信した位相を抽出し,クリーン化し,処理する手法を開発した。提案されたharフレームワークは、4つの異なるアクティビティを実行する際に収集されたデータに基づいてトレーニングされ、見えない設定でテストされる。最悪のシナリオでは、提案されたHAR技術は95%以上の平均精度に達し、抽出されたドップラー情報の有効性を検証します。
論文参考訳（メタデータ） (2021-03-17T21:44:13Z)
Moving Object Classification with a Sub-6 GHz Massive MIMO Array using Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文参考訳（メタデータ） (2021-02-09T15:48:35Z)
Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文参考訳（メタデータ） (2020-04-03T17:36:26Z)

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。