論文の概要: Lessons from Deploying Learning-based CSI Localization on a Large-Scale ISAC Platform
- arxiv url: http://arxiv.org/abs/2504.17173v1
- Date: Thu, 24 Apr 2025 01:16:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.211569
- Title: Lessons from Deploying Learning-based CSI Localization on a Large-Scale ISAC Platform
- Title（参考訳）: 大規模ISACプラットフォームにおける学習ベースのCSIローカライゼーションの展開から学んだこと
- Authors: Tianyu Zhang, Dongheng Zhang, Ruixu Geng, Xuecheng Xie, Shuai Yang, Yan Chen,
- Abstract要約: 統合センシング・通信(ISAC)パラダイムの下で,400以上のアクセスポイント(AP)を含む大規模CSIベースのローカライゼーションシステムの構築について検討する。
本稿では,サーバ側でのISACの大規模展開に適した,WiFiローカライゼーションのための新しいCSIベースの学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 18.4186280784439
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, Channel State Information (CSI), recognized for its fine-grained spatial characteristics, has attracted increasing attention in WiFi-based indoor localization. However, despite its potential, CSI-based approaches have yet to achieve the same level of deployment scale and commercialization as those based on Received Signal Strength Indicator (RSSI). A key limitation lies in the fact that most existing CSI-based systems are developed and evaluated in controlled, small-scale environments, limiting their generalizability. To bridge this gap, we explore the deployment of a large-scale CSI-based localization system involving over 400 Access Points (APs) in a real-world building under the Integrated Sensing and Communication (ISAC) paradigm. We highlight two critical yet often overlooked factors: the underutilization of unlabeled data and the inherent heterogeneity of CSI measurements. To address these challenges, we propose a novel CSI-based learning framework for WiFi localization, tailored for large-scale ISAC deployments on the server side. Specifically, we employ a novel graph-based structure to model heterogeneous CSI data and reduce redundancy. We further design a pretext pretraining task that incorporates spatial and temporal priors to effectively leverage large-scale unlabeled CSI data. Complementarily, we introduce a confidence-aware fine-tuning strategy to enhance the robustness of localization results. In a leave-one-smartphone-out experiment spanning five floors and 25, 600 m2, we achieve a median localization error of 2.17 meters and a floor accuracy of 99.49%. This performance corresponds to an 18.7% reduction in mean absolute error (MAE) compared to the best-performing baseline.
- Abstract（参考訳）: 近年,その微粒な空間特性が認識されているChannel State Information (CSI) は,WiFiによる屋内局地化に注目が集まっている。
しかし、その可能性にもかかわらず、CSIベースのアプローチは、受信信号強度指標(RSSI)に基づくものと同じレベルのデプロイメントスケールと商業化を実現していない。
重要な制限は、既存のCSIベースのシステムのほとんどは、制御された小さな環境で開発され、評価され、その一般化性が制限されているという事実にある。
このギャップを埋めるために,統合センシング通信(ISAC)パラダイムの下で,400以上のアクセスポイント(AP)を含む大規模CSIベースのローカライゼーションシステムの現実的な建物への展開を検討する。
我々は、ラベルなしデータの未使用化と、CSI測定の固有の不均一性という、2つの重要な、しばしば見落とされがちな要因を強調した。
これらの課題に対処するために,サーバ側でのISACの大規模展開に適した,WiFiローカライゼーションのための新しいCSIベースの学習フレームワークを提案する。
具体的には、不均一なCSIデータをモデル化し、冗長性を低減するために、グラフベースの新しい構造を用いる。
さらに、大規模なラベルなしCSIデータを効果的に活用するために、空間的および時間的優先順位を組み込んだプレテキスト事前学習タスクを設計する。
同時に,局所化結果のロバスト性を高めるため,信頼性に配慮した微調整戦略を導入する。
5階と25,600m2にまたがる1つのスマートフォンアウト実験では、2.17mの中央位置誤差と99.49%の床精度を達成した。
この性能は平均絶対誤差(MAE)の18.7%の減少に相当する。
関連論文リスト
- Hybrid CNN-LSTM based Indoor Pedestrian Localization with CSI Fingerprint Maps [0.0]
本稿では,CSI(Channel State Information)データを用いた新しいWi-Fiフィンガープリントシステムを提案する。
提案システムは,CSIデータから抽出した特徴の周波数多様性と空間的多様性を利用して,CSIフィンガープリントマップを生成する。
次に、このCSIフィンガープリントマップによるCSIデータの表現を用いて、ハイブリッドアーキテクチャを用いた歩行者軌道仮説を生成する。
論文 参考訳（メタデータ） (2024-12-18T08:31:34Z) - Mining Limited Data Sufficiently: A BERT-inspired Approach for CSI Time Series Application in Wireless Communication and Sensing [15.489377651710106]
チャネル状態情報(CSI)は、無線通信とセンシングシステムの両方の基盤である。
無線センシングシステムでは、CSIを利用して環境変化を予測し、様々な機能を実現する。
深層学習法は,これらの細粒度CSI分類タスクにおいて,モデルに基づくアプローチに対して大きな優位性を示している。
CSI予測と分類タスクのためのCSI-BERT2を提案する。
論文 参考訳（メタデータ） (2024-12-09T06:44:04Z) - Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される
本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。
X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-05-10T08:04:27Z) - G-NAS: Generalizable Neural Architecture Search for Single Domain
Generalization Object Detection [55.86838901572496]
微分可能なニューラルネットワークサーチ(NAS)は、複雑なデータフィッティングの能力が高いことで知られている。
一般化可能な損失(G-loss)は、OoDを意識した目的であり、NASが過度に適合することを防ぐ。
S-DGOD都市景観データセットの実験結果から,提案したG-NASはベースライン法と比較してSOTA性能が向上することが示された。
論文 参考訳（メタデータ） (2024-02-07T08:57:59Z) - A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。
しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。
CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。
既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。
低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
論文 参考訳（メタデータ） (2023-12-07T06:01:47Z) - Recognize Any Regions [55.76437190434433]
RegionSpotは、ローカライゼーション基盤モデルから位置認識ローカライゼーション知識と、ViLモデルからのセマンティック情報を統合する。
オープンワールドオブジェクト認識の実験では、私たちのRereaSpotは、以前の代替よりも大きなパフォーマンス向上を実現しています。
論文 参考訳（メタデータ） (2023-11-02T16:31:49Z) - CSI: Enhancing the Robustness of 3D Point Cloud Recognition against
Corruption [33.70232326721406]
現実世界の安全クリティカルなアプリケーションは、避けられないデータ破損による課題を提示する。
本研究では、ポイントクラウドデータ固有の設定特性を利用して、新しいクリティカルサブセット識別(CSI)手法を導入する。
我々のCSIフレームワークは、密度認識サンプリング(DAS)と自己エントロピー最小化(SEM)の2つの重要なコンポーネントを統合している。
論文 参考訳（メタデータ） (2023-10-05T07:30:52Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - A Framework for CSI-Based Indoor Localization with 1D Convolutional
Neural Networks [4.812445272764651]
本稿では,データ収集,パターンクラスタリング,デノイング,キャリブレーション,CSIフィンガープリントを用いた軽量1次元畳み込みニューラルネットワーク(1D CNN)モデルなどのエンドツーエンドソリューションを提案する。
実験の結果,最もよく知られたディープラーニングやCSIベースの屋内ローカライゼーションよりも,最小限のパラメータで最大68.5%の性能向上を実現していることがわかった。
論文 参考訳（メタデータ） (2022-05-17T03:04:47Z) - CSI-based Indoor Localization via Attention-Augmented Residual
Convolutional Neural Network [38.826117059245895]
本稿では,高精度で汎用性の高い新しいローカライズシステムを提案する。
本稿では,CSIにおける局所的情報とグローバルな文脈を網羅的に活用するために,新たに注目を増したResidual CNNを提案する。
トラッキングシステムの汎用性を考慮し、トラッキングシステムをCSI環境から切り離して、すべての環境を対象とした1つのトラッキングシステムを実現する。
論文 参考訳（メタデータ） (2022-05-11T21:11:05Z) - 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) - Unveiling the Potential of Structure-Preserving for Weakly Supervised
Object Localization [71.79436685992128]
本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。
第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。
第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
論文 参考訳（メタデータ） (2021-03-08T03:04:14Z)
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。