論文の概要: UniFi: Combining Irregularly Sampled CSI from Diverse Communication Packets and Frequency Bands for Wi-Fi Sensing
- arxiv url: http://arxiv.org/abs/2512.22143v1
- Date: Sun, 14 Dec 2025 03:01:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-04 08:45:17.065318
- Title: UniFi: Combining Irregularly Sampled CSI from Diverse Communication Packets and Frequency Bands for Wi-Fi Sensing
- Title（参考訳）: UniFi: 広帯域通信パケットから不規則にサンプリングされたCSIと、Wi-Fiセンシングのための周波数帯域を組み合わせる
- Authors: Gaofeng Dong, Kang Yang, Mani Srivastava,
- Abstract要約: 既存のWi-Fiセンシングシステムは、チャネル状態情報(CSI)を抽出するために、高速なプローブパケットを注入することに依存している。
We present UniFi, the first Wi-Fi-based ISAC framework that completely eliminateing packet injection。
UniFiはCSIサニタイズパイプラインを統合し、異種パケットを調和させ、バースト誘起冗長性を取り除く。
CommCSI-HARは、現実世界のデュアルバンド通信トラフィックから不規則にサンプル化されたCSIを持つ最初のデータセットである。
- 参考スコア（独自算出の注目度）: 4.566213967107035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing Wi-Fi sensing systems rely on injecting high-rate probing packets to extract channel state information (CSI), leading to communication degradation and poor deployability. Although Integrated Sensing and Communication (ISAC) is a promising direction, existing solutions still rely on auxiliary packet injection because they exploit only CSI from data frames. We present UniFi, the first Wi-Fi-based ISAC framework that fully eliminates intrusive packet injection by directly exploiting irregularly sampled CSI from diverse communication packets across multiple frequency bands. UniFi integrates a CSI sanitization pipeline to harmonize heterogeneous packets and remove burst-induced redundancy, together with a time-aware attention model that learns directly from non-uniform CSI sequences without resampling. We further introduce CommCSI-HAR, the first dataset with irregularly sampled CSI from real-world dual-band communication traffic. Extensive evaluations on this dataset and four public benchmarks show that UniFi achieves state-of-the-art accuracy with a compact model size, while fully preserving communication throughput.
- Abstract（参考訳）: 既存のWi-Fiセンシングシステムは、チャネル状態情報(CSI)を抽出するために、高速なプローブパケットを注入することに依存しており、通信の劣化とデプロイ性の低下につながる。
ISAC(Integrated Sensing and Communication)は有望な方向であるが、既存のソリューションはデータフレームからCSIのみを利用するため、補助的なパケット注入に依存している。
We present the first Wi-Fi-based ISAC framework that completely eliminateing intrusive packet Injection by direct exploiting irregularly sampled CSI from various communication packets across multiple frequency bands。
UniFiはCSIサニタイズパイプラインを統合し、異種パケットを調和させ、バースト誘起冗長性を取り除くとともに、再サンプリングせずに非一様CSIシーケンスから直接学習する時間認識アテンションモデルを備えている。
さらに、実世界のデュアルバンド通信トラフィックから不規則にサンプル化されたCSIを持つ最初のデータセットであるCommCSI-HARを紹介する。
このデータセットと4つの公開ベンチマークの大規模な評価は、UniFiが通信スループットを完全に保ちながら、コンパクトなモデルサイズで最先端の精度を達成することを示している。
関連論文リスト
- Distributed Gossip-GAN for Low-overhead CSI Feedback Training in FDD mMIMO-OFDM Systems [65.23921727688749]
本稿では,新たなゴシップ生成敵ネットワーク(Gossip-GAN)支援CSIフィードバックトレーニングフレームワークを提案する。
Gossip-GANは、ユーザのプライバシを保護しながら、低オーバーヘッドでCSIフィードバックトレーニングを可能にする。
論文 参考訳（メタデータ） (2025-08-31T07:46:16Z) - Extracting Range-Doppler Information of Moving Targets from Wi-Fi Channel State Information [1.3581639904351783]
3つの重要な革新を通じて両課題に対処する新しい信号処理手法を提案する。
提案手法は、商用のIntel WiFi AX211を用いて、移動目標のレンジドプラ推定におけるcmレベルの精度を実現する。
論文 参考訳（メタデータ） (2025-08-04T18:10:18Z) - CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。
このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。
CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
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) - SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-03-08T16:14:54Z) - 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) - 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) - Bluetooth and WiFi Dataset for Real World RF Fingerprinting of
Commercial Devices [3.4836961035265217]
本稿では,市販のオフ・ザ・シェルフ(COTS)コンボチップセットから,WiFiとBluetoothを2つの異なる時間枠で伝送するエミッションをキャプチャする。
広く使用するために、72GBデータセット内の各キャプチャは、多様な入力テンソルの長さとフォーマットをサポートするのに十分な長さ(40MSamples)である。
論文 参考訳（メタデータ） (2023-03-15T13:32:11Z) - Exposing the CSI: A Systematic Investigation of CSI-based Wi-Fi Sensing
Capabilities and Limitations [16.819111460629397]
この研究は、Wi-Fi 6の機能がセンシング性能に与える影響を明らかにし、将来のWi-Fiセンシング研究のためのベンチマークを作成することを目的としている。
我々は,Wi-Fi 6信号を用いて,3人,3環境,12活動を含む広範囲なCSIデータ収集キャンペーンを実施している。
ビデオ記録によって得られた匿名化された地上の真実は、3つのコレクターから約2時間分のCSIデータを含む80GBのデータセットを伴っている。
論文 参考訳（メタデータ） (2023-02-02T10:21:00Z) - Blind Federated Edge Learning [93.29571175702735]
フェデレーションエッジ学習(FEEL)について検討し,それぞれが独自のデータセットを持つ無線エッジデバイスでグローバルモデルを学ぶ。
そこで本研究では,デバイスがローカル更新を非符号化方式で送信する,アナログオーバ・ザ・エアのアグリゲーション方式を提案する。
論文 参考訳（メタデータ） (2020-10-19T16:22:28Z)
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。