論文の概要: A Sensing Dataset Protocol for Benchmarking and Multi-Task Wireless Sensing
- arxiv url: http://arxiv.org/abs/2512.12180v1
- Date: Sat, 13 Dec 2025 05:01:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.436717
- Title: A Sensing Dataset Protocol for Benchmarking and Multi-Task Wireless Sensing
- Title（参考訳）: ベンチマークとマルチタスク無線センシングのためのセンシングデータセットプロトコル
- Authors: Jiawei Huang, Di Zhang, Yuanhao Cui, Xiaowen Cao, Tony Xiao Han, Xiaojun Jing, Christos Masouros,
- Abstract要約: 本稿では,大規模無線センシングのためのプロトコルレベルの仕様とベンチマークフレームワークであるSensing dataset Protocol (SDP)を提案する。
SDPは、異種無線信号が統一された知覚データブロックスキーマにどのようにマッピングされるかを定義する。
統一ベンチマークは、一貫した前処理、トレーニング、評価を伴う検出、認識、バイタルサイン推定のために確立される。
- 参考スコア（独自算出の注目度）: 45.99328292838584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wireless sensing has become a fundamental enabler for intelligent environments, supporting applications such as human detection, activity recognition, localization, and vital sign monitoring. Despite rapid advances, existing datasets and pipelines remain fragmented across sensing modalities, hindering fair comparison, transfer, and reproducibility. We propose the Sensing Dataset Protocol (SDP), a protocol-level specification and benchmark framework for large-scale wireless sensing. SDP defines how heterogeneous wireless signals are mapped into a unified perception data-block schema through lightweight synchronization, frequency-time alignment, and resampling, while a Canonical Polyadic-Alternating Least Squares (CP-ALS) pooling stage provides a task-agnostic representation that preserves multipath, spectral, and temporal structures. Built upon this protocol, a unified benchmark is established for detection, recognition, and vital-sign estimation with consistent preprocessing, training, and evaluation. Experiments under the cross-user split demonstrate that SDP significantly reduces variance (approximately 88%) across seeds while maintaining competitive accuracy and latency, confirming its value as a reproducible foundation for multi-modal and multitask sensing research.
- Abstract（参考訳）: ワイヤレスセンシングは、人間の検出、アクティビティ認識、ローカライゼーション、バイタルサインモニタリングなどのアプリケーションをサポートするインテリジェント環境の基本的な実現手段となっている。
急速な進歩にもかかわらず、既存のデータセットとパイプラインは、検出されたモダリティにまたがって断片化され、公正な比較、転送、再現性を妨げている。
本稿では,大規模無線センシングのためのプロトコルレベルの仕様とベンチマークフレームワークである Sensing Dataset Protocol (SDP) を提案する。
一方、CP-ALS(Canonical Polyadic-Alternating Least Squares)プーリングステージは、マルチパス、スペクトル、時間構造を保存するタスクに依存しない表現を提供する。
このプロトコルに基づいて、一貫した前処理、トレーニング、評価を伴う検出、認識、バイタルサイン推定のための統一されたベンチマークが確立されている。
クロスユーザー分割実験により、SDPは種間の分散(約88%)を著しく低減し、競争精度と遅延を保ち、マルチモーダル・マルチタスクセンシング研究の再現可能な基盤としての価値を確認した。
関連論文リスト
- PECL: A Heterogeneous Parallel Multi-Domain Network for Radar-Based Human Activity Recognition [4.637823044029562]
本研究では3つの補完領域(Range-Time, Doppler-Time, Range-Doppler)でデータを処理するネットワークを設計する。
実験の結果、PECLは同じデータセットで96.16%の精度を達成し、既存の手法を少なくとも4.78%上回った。
その性能にもかかわらず、PECLは23.42Mパラメータと1324.82M FLOPを持つ中程度のモデルの複雑さを維持している。
論文 参考訳（メタデータ） (2025-11-07T07:22:36Z) - An Efficient Anomaly Detection Framework for Wireless Sensor Networks Using Markov Process [2.5777932046298786]
1次マルコフ連鎖モデルに基づく軽量かつ解釈可能な異常検出フレームワークが提案されている。
提案したフレームワークは、Intel Berkeley Research Labデータセットを使用して検証された。
論文 参考訳（メタデータ） (2025-11-01T10:19:00Z) - Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations [4.595408704451027]
人間の識別のための視覚ベースのシステムに代わる、非侵襲的でプライバシー保護の代替手段として、Wi-Fiセンシングが勢いを増している。
従来の無線ベースのアプローチは、歩行のような運動パターンに依存しており、バイオメトリックな手がかりを抽出する。
本研究では,被験者が静止状態のままに記録されたチャネル状態情報から個人を識別するトランスフォーマーに基づく手法を提案する。
論文 参考訳（メタデータ） (2025-07-17T07:26:07Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - 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) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳（メタデータ） (2022-11-02T22:07:36Z) - 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) - Round-robin differential phase-time-shifting protocol for quantum key
distribution: theory and experiment [58.03659958248968]
量子鍵分布(QKD)は、遠隔者間で共通の暗号鍵の確立を可能にする。
近年,信号の乱れの監視を回避できるQKDプロトコルが提案され,初期の実験で実証されている。
我々は,ラウンドロビン差動位相シフトプロトコルのセキュリティ証明を,集団攻撃シナリオにおいて導出する。
その結果,RRDPTSプロトコルは高い量子ビット誤り率の条件下で,RDPSと比較して高い秘密鍵レートが得られることがわかった。
論文 参考訳（メタデータ） (2021-03-15T15:20:09Z) - EBBINNOT: A Hardware Efficient Hybrid Event-Frame Tracker for Stationary
Dynamic Vision Sensors [5.674895233111088]
本稿では,静止型ニューロモルフィックセンサによって記録された物体を検知・追跡するための複合イベントフレーム手法を提案する。
静的DVSの背景除去特性を活用するために,フレーム内のイベントの有無を通知するイベントベースバイナリ画像生成を提案する。
静止DVSベースのトラフィック監視ソリューションが、同時に記録されたRGBフレームベースの方法と比較されるのは、これが初めてである。
論文 参考訳（メタデータ） (2020-05-31T03:01:35Z) - Harvesting Ambient RF for Presence Detection Through Deep Learning [12.535149305258171]
本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。
WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。
畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
論文 参考訳（メタデータ） (2020-02-13T20:35:55Z)
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。