論文の概要: Beyond Sub-6 GHz: Leveraging mmWave Wi-Fi for Gait-Based Person Identification
- arxiv url: http://arxiv.org/abs/2510.08160v1
- Date: Thu, 09 Oct 2025 12:39:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-10 17:54:15.077076
- Title: Beyond Sub-6 GHz: Leveraging mmWave Wi-Fi for Gait-Based Person Identification
- Title（参考訳）: Sub-6 GHzを超える: 歩行に基づく人物識別のためのmmWave Wi-Fiの活用
- Authors: Nabeel Nisar Bhat, Maksim Karnaukh, Jakob Struye, Rafael Berkvens, Jeroen Famaey,
- Abstract要約: 実効的なバックグラウンドサブトラクションと組み合わせることで、mWave Wi-Fi信号は高い識別精度(20人91.2%)が得られることを示す。
本研究は,商用オフザシェルフ(COTS)Wi-Fiを用いた人物識別のためのサブ6GHzとミリ波Wi-Fi信号の比較研究である。
- 参考スコア（独自算出の注目度）: 3.814634428836784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Person identification plays a vital role in enabling intelligent, personalized, and secure human-computer interaction. Recent research has demonstrated the feasibility of leveraging Wi-Fi signals for passive person identification using a person's unique gait pattern. Although most existing work focuses on sub-6 GHz frequencies, the emergence of mmWave offers new opportunities through its finer spatial resolution, though its comparative advantages for person identification remain unexplored. This work presents the first comparative study between sub-6 GHz and mmWave Wi-Fi signals for person identification with commercial off-the-shelf (COTS) Wi-Fi, using a novel dataset of synchronized measurements from the two frequency bands in an indoor environment. To ensure a fair comparison, we apply identical training pipelines and model configurations across both frequency bands. Leveraging end-to-end deep learning, we show that even at low sampling rates (10 Hz), mmWave Wi-Fi signals can achieve high identification accuracy (91.2% on 20 individuals) when combined with effective background subtraction.
- Abstract（参考訳）: 個人識別は、インテリジェントでパーソナライズされ、セキュアな人間とコンピュータのインタラクションを可能にする上で重要な役割を果たす。
近年の研究では、受動的人物識別にWi-Fi信号を活用することが可能であることを示す。
既存の研究のほとんどは6GHz以下の周波数に焦点が当てられているが、mmWaveの出現はより微細な空間分解能を通して新たな機会を提供するが、人物識別の利点は未解明のままである。
本研究は,室内環境における2つの周波数帯域の同期計測データセットを用いて,市販オフザシェルフ(COTS)Wi-Fiを用いた人物識別のためのサブ6GHzとミリ波Wi-Fi信号の比較実験を行った。
公正な比較を確保するため、両周波数帯域で同一のトレーニングパイプラインとモデル構成を適用する。
エンド・ツー・エンドのディープラーニングを活用することで、サンプリングレートが低い(10Hz)場合でも、実効的なバックグラウンドサブトラクションと組み合わせれば、mWave Wi-Fi信号は高い識別精度(20人91.2%)が得られることを示す。
関連論文リスト
- UAV Individual Identification via Distilled RF Fingerprints-Based LLM in ISAC Networks [60.16924915676577]
無人航空機(UAV)個人識別は、低高度統合センシング通信(ISAC)ネットワークにおける重要なセキュリティ監視戦略である。
UAVID識別のための新しい動的知識蒸留(KD)対応無線周波数指紋大言語モデル(RFF-LLM)を提案する。
実験結果から,提案フレームワークは,0.15万のパラメータと2.74ミリ秒の応答時間で,98.38%のID識別精度を実現していることがわかった。
論文 参考訳（メタデータ） (2025-08-18T03:14:44Z) - Remote Detection of Applications for Improved Beam Tracking in mmWave/sub-THz 5G/6G Systems [37.35086075012511]
ビームトラッキングはミリ波(mmWave, 30-100 GHz)とサブテラヘルツ(サブTHz, 100-300 GHz)の5G/6Gシステムに不可欠な機能である。
基地局(BS)とユーザ機器(UE)の両方でアンテナ掃除を行う。
本稿では,エアインターフェースにおける適用形態の明示的なシグナリングがない場合,受信信号強度パターンに基づいて,BS側でリモートで検出する方法を提案する。
論文 参考訳（メタデータ） (2024-10-24T10:55:21Z) - Time-Frequency Analysis of Variable-Length WiFi CSI Signals for Person Re-Identification [3.3743041904085125]
人物再識別(ReID)は、セキュリティ検出や数え方において重要な役割を果たす。
本文では, 歩行者の特徴を識別するための基礎として, WiFi信号のマルチパス伝搬特性を活用する, WiFiチャネル状態情報(CSI)を用いた手法を紹介する。
本稿では、WiFi信号の周波数領域における時間領域の振幅と位相を解析し、可変長データを処理できる2ストリームネットワーク構造を提案する。
論文 参考訳（メタデータ） (2024-07-12T07:10:47Z) - 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) - Gesture Recognition with mmWave Wi-Fi Access Points: Lessons Learned [3.5711957833616235]
ジェスチャー認識/位置推定のためのmmWave (60 GHz) のWi-Fi信号について検討する。
このため、IEEE 802.11ad デバイスを用いた周期ビームトレーニングからビーム信号-雑音比(SNR)を抽出する。
ディープニューラルネットワーク(DNN)は、単一の環境で96.7%の精度でビームSNRタスクの有望な結果を達成する。
論文 参考訳（メタデータ） (2023-06-29T16:10:07Z) - A CSI Dataset for Wireless Human Sensing on 80 MHz Wi-Fi Channels [10.056835910435499]
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。
論文 参考訳（メタデータ） (2023-04-29T15:57:36Z) - 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 Prospective Approach for Human-to-Human Interaction Recognition from
Wi-Fi Channel Data using Attention Bidirectional Gated Recurrent Neural
Network with GUI Application Implementation [0.0]
本研究は、WiFiルータとIntel 5300 NIC間の多重入力多重出力無線リンクと、時系列Wi-Fiチャネル状態情報を用いて、人対人同時通信認識を行う。
提案した自己注意誘導双方向Gated Recurrent Neural Networkは、13の相互相互作用を1つの主題ペアに対して最大94%のベンチマーク精度で分類することができる。
論文 参考訳（メタデータ） (2022-02-16T15:40:52Z) - From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。
これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
論文 参考訳（メタデータ） (2021-08-24T13:25:02Z) - 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) - Detection of gravitational-wave signals from binary neutron star mergers
using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。
信号対雑音比が25未満の信号に対する感度は6因子改善した。
保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文 参考訳（メタデータ） (2020-06-02T10:20:11Z)
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。