論文の概要: Towards Battery-Free Wireless Sensing via Radio-Frequency Energy Harvesting
- arxiv url: http://arxiv.org/abs/2409.00086v1
- Date: Mon, 26 Aug 2024 02:01:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-08 15:21:17.454381
- Title: Towards Battery-Free Wireless Sensing via Radio-Frequency Energy Harvesting
- Title（参考訳）: 高周波エネルギーハーベスティングによるバッテリフリーワイヤレスセンシングに向けて
- Authors: Tao Ni, Zehua Sun, Mingda Han, Guohao Lan, Yaxiong Xie, Zhenjiang Li, Tao Gu, Weitao Xu,
- Abstract要約: 本稿では,無線周波数(RF)エネルギー収穫に基づくエネルギー効率の高いワイヤレスセンシングソリューションREHSenseを提案する。
電力を消費するWi-Fi受信機に頼る代わりに、REHSenseはRFエネルギーをセンサーとして利用する。
我々は,REHSenseが従来のWi-Fiベースのソリューションと同等の精度を達成でき,異なるセンシング環境に適応できることを示す。
- 参考スコア（独自算出の注目度）: 11.511759874194706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diverse Wi-Fi-based wireless applications have been proposed, ranging from daily activity recognition to vital sign monitoring. Despite their remarkable sensing accuracy, the high energy consumption and the requirement for customized hardware modification hinder the wide deployment of the existing sensing solutions. In this paper, we propose REHSense, an energy-efficient wireless sensing solution based on Radio-Frequency (RF) energy harvesting. Instead of relying on a power-hungry Wi-Fi receiver, REHSense leverages an RF energy harvester as the sensor and utilizes the voltage signals harvested from the ambient Wi-Fi signals to enable simultaneous context sensing and energy harvesting. We design and implement REHSense using a commercial-off-the-shelf (COTS) RF energy harvester. Extensive evaluation of three fine-grained wireless sensing tasks (i.e., respiration monitoring, human activity, and hand gesture recognition) shows that REHSense can achieve comparable sensing accuracy with conventional Wi-Fi-based solutions while adapting to different sensing environments, reducing the power consumption by 98.7% and harvesting up to 4.5mW of power from RF energy.
- Abstract（参考訳）: 日々の行動認識からバイタルサインモニタリングまで、様々なWi-Fiベースの無線アプリケーションが提案されている。
その顕著な精度にもかかわらず、高エネルギー消費とカスタマイズされたハードウェア修正の要求は、既存のセンシングソリューションの広範な展開を妨げる。
本稿では,無線周波数(RF)エネルギー収穫に基づくエネルギー効率の高いワイヤレスセンシングソリューションであるREHSenseを提案する。
パワーハングリーなWi-Fi受信機に頼る代わりに、REHSenseはRFエネルギーをセンサとして利用し、周囲のWi-Fi信号から取得した電圧信号を利用して、同時コンテキストセンシングとエネルギー収穫を可能にする。
我々は商用オフ・ザ・シェルフ(COTS)RFエネルギ収穫機を用いてREHSenseを設計・実装する。
3つの微細なワイヤレスセンシングタスク(呼吸監視、人的活動、手ジェスチャー認識)の広範囲な評価は、REHSenseが従来のWi-Fiベースのソリューションと同等の精度を達成でき、異なるセンシング環境に適応し、消費電力を98.7%削減し、RFエネルギーから4.5mWの電力を回収できることを示している。
関連論文リスト
- Generative AI for RF Sensing in IoT systems [10.326067512318163]
RF(Radio Frequency)センシングは、人間の活動と環境変化の費用対効果と非侵襲的なモニタリングで際立っている。
従来のRFセンシング手法は、ノイズ、干渉、不完全なデータ、高いデプロイメントコストなど、重大な課題に直面している。
本稿では、IoTエコシステムにおけるこれらの制限を克服するジェネレーティブAI(GenAI)の可能性について検討する。
論文 参考訳（メタデータ） (2024-07-10T09:51:44Z) - Deep Reinforcement Learning for Power Control in Next-Generation WiFi
Network Systems [1.405141917351931]
無線通信における電力制御のための深層強化学習(DRL)。
無線ネットワークでは、各移動ノードはリンク品質と信号強度を測定し、送信電力を制御する。
DRLはARMプロセッサとWiFiトランシーバを802.11nで組み合わせた各ノードの組み込みプラットフォーム向けに実装されている。
論文 参考訳（メタデータ） (2022-11-02T13:32:03Z) - A Deep Reinforcement Learning-based Adaptive Charging Policy for
Wireless Rechargeable Sensor Networks [14.67786743033424]
センサをエネルギ化するための信頼性の高いソリューションとして、ワイヤレス電力伝送技術が登場している。
深部強化学習(DRL)を用いた適応型充電方式を提案する。
我々のモデルはネットワークトポロジの自然変化に適応できる。
論文 参考訳（メタデータ） (2022-08-16T16:10:52Z) - 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) - UAV-aided RF Mapping for Sensing and Connectivity in Wireless Networks [52.14281905671453]
無人航空機(UAV)を空飛ぶ無線アクセスネットワーク(RAN)ノードとして使用することは、従来の固定地上配備を補完する。
無線マッピングは、この課題に関連する課題の1つであり、ここでは無線マッピングと呼ばれている。
接続性, センサ性, ローカライゼーション性能の観点から, 無線マッピングによる利点を示す。
論文 参考訳（メタデータ） (2022-05-06T16:16:08Z) - RIS-assisted UAV Communications for IoT with Wireless Power Transfer
Using Deep Reinforcement Learning [75.677197535939]
無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。
第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。
マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-05T23:55:44Z) - 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) - Learning to Charge RF-Energy Harvesting Devices in WiFi Networks [0.0]
我々は,APが送電電力制御により収穫エネルギーを管理できる2つのソリューションを提案する。
第1のソリューションはディープQネットワーク(DQN)を使用し、第2のソリューションはモデル予測制御(MPC)を使用してAPの送信電力を制御する。
我々のDQNおよびMPCソリューションは、競合するアルゴリズムと比較してエネルギー効率とユーザの満足度を16%から35%、10%から42%改善することを示した。
論文 参考訳（メタデータ） (2020-05-25T10:55:24Z)
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。