論文の概要: AI-Enhanced Wi-Fi Sensing Through Single Transceiver Pair

• arxiv url: http://arxiv.org/abs/2511.02845v1
• Date: Tue, 21 Oct 2025 07:31:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-09 16:58:40.061156
• Title: AI-Enhanced Wi-Fi Sensing Through Single Transceiver Pair
• Title（参考訳）: シングルトランシーバペアによるAIによるWi-Fiセンシング
• Authors: Yuxuan Liu, Chiya Zhang, Yifeng Yuan, Chunlong He, Weizheng Zhang, Gaojie Chen,
• Abstract要約: Wi-Fiセンシングシステムは、最小の帯域消費とアンテナ数要件を維持しつつ、高精度な認識を実現する。 様々なAI駆動認識技術は、レーダー理論によって課される従来の解像度制限を超える能力を示している。 本研究では、ハードウェア制約下では、Wi-FiセンシングシステムにAIがもたらす性能向上は主に、事前情報と時間的相関の2つの側面から生じる。
• 参考スコア（独自算出の注目度）: 20.613282200692023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advancement of next-generation Wi-Fi technology heavily relies on sensing capabilities, which play a pivotal role in enabling sophisticated applications. In response to the growing demand for large-scale deployments, contemporary Wi-Fi sensing systems strive to achieve high-precision perception while maintaining minimal bandwidth consumption and antenna count requirements. Remarkably, various AI-driven perception technologies have demonstrated the ability to surpass the traditional resolution limitations imposed by radar theory. However, the theoretical underpinnings of this phenomenon have not been thoroughly investigated in existing research. In this study, we found that under hardware-constrained conditions, the performance gains brought by AI to Wi-Fi sensing systems primarily originate from two aspects: prior information and temporal correlation. Prior information enables the AI to generate plausible details based on vague input, while temporal correlation helps reduce the upper bound of sensing error. We developed an AI-based Wi-Fi sensing system using a single transceiver pair and designed experiments focusing on human pose estimation and indoor localization to validate the theoretical claims. The results confirm the performance gains contributed by temporal correlation and prior information.
• Abstract（参考訳）: 次世代Wi-Fi技術の進歩は、高度なアプリケーションを実現する上で重要な役割を果たすセンサー機能に大きく依存している。 大規模展開の需要の増加に対応して、現代のWi-Fiセンシングシステムは、最小帯域使用量とアンテナ数要件を維持しつつ、高精度な認識を実現しようとしている。 注目すべきは、様々なAI駆動の知覚技術が、レーダー理論によって課される従来の解像度制限を超える能力を示していることだ。 しかし、この現象の理論的基盤は既存の研究では十分に研究されていない。 本研究では、ハードウェア制約下では、Wi-FiセンシングシステムにAIがもたらす性能向上は主に、事前情報と時間的相関の2つの側面から生じる。 事前情報により、AIはあいまいな入力に基づいて妥当な詳細を生成することができる一方、時間的相関は、検知エラーの上限を下げる助けとなる。 我々は,1組のトランシーバペアを用いたAIベースのWi-Fiセンシングシステムを開発し,理論的クレームを検証するために,人間のポーズ推定と屋内位置推定に着目した実験を設計した。 その結果,時間的相関と事前情報による性能向上が確認できた。

関連論文リスト

• Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
  ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。 本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-23T13:02:14Z)
• Doppler Radiance Field-Guided Antenna Selection for Improved Generalization in Multi-Antenna Wi-Fi-based Human Activity Recognition [20.859205920322676]
  雑音を抑えるためのマルチアンテナAPのための新しいフレームワークを提案し,DoRF整合誤差に基づいて最も情報性の高いアンテナを同定する。 挑戦的な手動ジェスチャー認識データセットの実験結果から,提案したDoRF誘導Wi-FiベースのHARアプローチが一般化能力を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-09-18T16:40:14Z)
• Generative AI for Data Augmentation in Wireless Networks: Analysis, Applications, and Case Study [52.585121600169714]
  本稿では,無線ネットワークにおける生成データ拡張の可能性と有効性について考察する。 本稿では,Wi-Fiジェスチャー認識のための汎用データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-13T05:15:25Z)
• Accurate Passive Radar via an Uncertainty-Aware Fusion of Wi-Fi Sensing Data [12.511211994847173]
  Wi-Fiデバイスは、周囲で何が起きているのかを検知し、人間の活動を識別するパッシブレーダーシステムとして効果的に利用することができる。 本稿では,データ生成に係わる潜在分布を推定するために,変分自動エンコーダを用いたアーキテクチャを提案する。 我々は、同一のWi-Fi受信機の異なるアンテナで処理された融合データにより、人間の活動認識の精度が向上することを確認した。
  論文  参考訳（メタデータ） (2024-07-01T08:26:15Z)
• Linear Combination of Exponential Moving Averages for Wireless Channel Prediction [2.34863357088666]
  本研究では,指数移動平均(EMA)に基づく予測モデルについて検討した。 EMA線形結合(ELC)と呼ばれる新しいモデルを導入し、説明し、実験的に評価した。
  論文  参考訳（メタデータ） (2023-12-13T07:44:05Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal [4.0773490083614075]
  近年,Wi-Fiによる人間活動認識が注目されている。 Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。 本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:37:32Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)

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。