論文の概要: Directional Antenna Systems for Long-Range Through-Wall Human Activity Recognition

• arxiv url: http://arxiv.org/abs/2401.01388v1
• Date: Mon, 1 Jan 2024 22:35:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-04 15:57:34.188249
• Title: Directional Antenna Systems for Long-Range Through-Wall Human Activity Recognition
• Title（参考訳）: 壁面人間活動認識のための指向性アンテナシステム
• Authors: Julian Strohmayer and Martin Kampel
• Abstract要約: WiFi Channel State Information (CSI)ベースのヒューマンアクティビティ認識(HAR)は、空間的に制約された環境での接触のない長距離センシングを可能にする。 Espressif ESP32の変種は、WiFi CSIベースのHARのための低コストで容易にデプロイできるソリューションとして登場した。 本研究では、4つのESP32-S3ベースの2.4GHz指向性アンテナシステムについて,長距離スルーウォールHARの容易性について評価した。
• 参考スコア（独自算出の注目度）: 1.7404865362620803
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: WiFi Channel State Information (CSI)-based human activity recognition (HAR) enables contactless, long-range sensing in spatially constrained environments while preserving visual privacy. However, despite the presence of numerous WiFi-enabled devices around us, few expose CSI to users, resulting in a lack of sensing hardware options. Variants of the Espressif ESP32 have emerged as potential low-cost and easy-to-deploy solutions for WiFi CSI-based HAR. In this work, four ESP32-S3-based 2.4GHz directional antenna systems are evaluated for their ability to facilitate long-range through-wall HAR. Two promising systems are proposed, one of which combines the ESP32-S3 with a directional biquad antenna. This combination represents, to the best of our knowledge, the first demonstration of such a system in WiFi-based HAR. The second system relies on the built-in printed inverted-F antenna (PIFA) of the ESP32-S3 and achieves directionality through a plane reflector. In a comprehensive evaluation of line-of-sight (LOS) and non-line-of-sight (NLOS) HAR performance, both systems are deployed in an office environment spanning a distance of 18 meters across five rooms. In this experimental setup, the Wallhack1.8k dataset, comprising 1806 CSI amplitude spectrograms of human activities, is collected and made publicly available. Based on Wallhack1.8k, we train activity recognition models using the EfficientNetV2 architecture to assess system performance in LOS and NLOS scenarios. For the core NLOS activity recognition problem, the biquad antenna and PIFA-based systems achieve accuracies of 92.0$\pm$3.5 and 86.8$\pm$4.7, respectively, demonstrating the feasibility of long-range through-wall HAR with the proposed systems.
• Abstract（参考訳）: WiFi Channel State Information (CSI)ベースのヒューマンアクティビティ認識(HAR)は、視覚的プライバシーを維持しながら、空間的に制約された環境で接触のない長距離センシングを可能にする。 しかし、多くのwi-fi対応デバイスが存在するにもかかわらず、csiをユーザーに公開するデバイスはほとんどなく、結果としてハードウェアオプションの検知が欠如している。 Espressif ESP32の変種は、WiFi CSIベースのHARのための低コストで容易にデプロイできるソリューションとして登場した。 本研究では,4つのesp32-s3を用いた2.4ghz指向性アンテナシステムについて評価を行った。 2つの有望なシステムが提案され、そのうちの1つはESP32-S3と指向性バイカッドアンテナを組み合わせたものである。 この組み合わせは、私たちの知る限りでは、WiFiベースのHARでそのようなシステムの最初のデモとなる。 第2のシステムは、esp32-s3のインバーテッドfアンテナ(pifa)を内蔵しており、平面反射板を介して方向性を達成する。 視線(LOS)と非視線(NLOS)のHAR性能の総合評価において,両システムは5部屋にわたって18mの距離のオフィス環境に展開される。 この実験では、1806 csiの人間の活動の振幅スペクトログラムからなるwallhack1.8kデータセットを収集し、公開する。 Wallhack1.8kに基づいて,LOSおよびNLOSシナリオにおけるシステム性能を評価するために,EfficientNetV2アーキテクチャを用いてアクティビティ認識モデルを訓練する。 コアNLOSのアクティビティ認識問題に対して、バイカッドアンテナとPIFAベースのシステムは、それぞれ92.0$\pm$3.5と86.8$\pm$4.7の精度を実現し、提案システムによる長距離スルーウォールHARの実現可能性を示す。

関連論文リスト

• 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)
• 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)
• 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)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• 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)
• 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)
• A lightweight and accurate YOLO-like network for small target detection in Aerial Imagery [94.78943497436492]
  小型ターゲット検出のためのシンプルで高速で効率的なネットワークであるYOLO-Sを提案する。 YOLO-SはDarknet20をベースとした小さな特徴抽出器と、バイパスと連結の両方を通じて接続をスキップする。 YOLO-Sはパラメータサイズが87%減少し、約半分のFLOPがYOLOv3となり、低消費電力の産業用アプリケーションに実用化された。
  論文  参考訳（メタデータ） (2022-04-05T16:29:49Z)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)

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。