論文の概要: Millimeter-Wave Gesture Recognition in ISAC: Does Reducing Sensing Airtime Hamper Accuracy?
- arxiv url: http://arxiv.org/abs/2601.10733v1
- Date: Tue, 06 Jan 2026 12:42:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-25 16:54:51.726407
- Title: Millimeter-Wave Gesture Recognition in ISAC: Does Reducing Sensing Airtime Hamper Accuracy?
- Title（参考訳）: ISACにおけるミリ波ジェスチャ認識:空気中のハッパーの計測精度は低下するか?
- Authors: Jakob Struye, Nabeel Nisar Bhat, Siddhartha Kumar, Mohammad Hossein Moghaddam, Jeroen Famaey,
- Abstract要約: ミリ波ISACシステムを用いたジェスチャー認識システムへの影響について検討する。
実時間センシングから,25パーセントのセンシング空調では分類精度が0.15ポイントしか低下しないことがわかった。
- 参考スコア（独自算出の注目度）: 4.793303467021819
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most Integrated Sensing and Communications (ISAC) systems require dividing airtime across their two modes. However, the specific impact of this decision on sensing performance remains unclear and underexplored. In this paper, we therefore investigate the impact on a gesture recognition system using a Millimeter-Wave (mmWave) ISAC system. With our dataset of power per beam pair gathered with two mmWave devices performing constant beam sweeps while test subjects performed distinct gestures, we train a gesture classifier using Convolutional Neural Networks. We then subsample these measurements, emulating reduced sensing airtime, showing that a sensing airtime of 25 % only reduces classification accuracy by 0.15 percentage points from full-time sensing. Alongside this high-quality sensing at low airtime, mmWave systems are known to provide extremely high data throughputs, making mmWave ISAC a prime enabler for applications such as truly wireless Extended Reality.
- Abstract（参考訳）: ISAC (Integrated Sensing and Communications) システムの多くは、2つのモードにまたがって時空を分割する必要がある。
しかし、この決定が知覚性能に与える影響は未解明のままである。
そこで本稿では,ミリ波ISACシステムを用いたジェスチャー認識システムへの影響について検討する。
実験対象が異なるジェスチャーを実行している間に、2つのmmWaveデバイスでビームペア当たりの電力のデータセットを収集し、畳み込みニューラルネットワークを用いてジェスチャー分類器を訓練する。
次に、これらの測定値をサブサンプル化し、検知空調の低減をエミュレートし、25パーセントの検知空調は、フルタイムセンシングから0.15ポイントの分類精度しか低下しないことを示した。
この低空域での高品質なセンシングに加えて、mWaveシステムは非常に高いデータスループットを提供することが知られており、真のワイヤレス拡張現実感のようなアプリケーションにおいて、mWave ISACが主要な実現要因となっている。
関連論文リスト
- WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism [61.79272554643873]
本稿では,マルチセマンティックアテンション機構と自己注意に基づくチャネル機構を融合したジェスチャー認識ネットワークを提案する。
その結果、99.72%のドメイン内精度を維持するだけでなく、97.61%のクロスドメイン認識でも高い性能を発揮することがわかった。
論文 参考訳（メタデータ） (2025-12-04T07:09:13Z) - Open-Set Gait Recognition from Sparse mmWave Radar Point Clouds [1.0104586293349587]
スパースmmWaveレーダ点雲からの開集合ゲイト認識の問題に対処する。
これは、スパースポイントクラウドデータによるオープンセット歩行認識に対処する最初の作業である。
10人の被験者から5時間以上の計測結果が得られた最初の人間の歩行データセットであるmmGait10をリリースする。
論文 参考訳（メタデータ） (2025-03-10T15:18:10Z) - Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
CNNと人間の視覚系における周波数帯域感度の差について検討する。
本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。
我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
論文 参考訳（メタデータ） (2025-02-06T07:24:34Z) - 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) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - 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 Novel Channel Identification Architecture for mmWave Systems Based on
Eigen Features [14.341218918618567]
本稿では,LOS(Line-of- sight)環境とNLOS(Non-LOS)環境におけるチャネル識別技術について述べる。
本稿では,ユーザ機器(UE)の限られた計算能力を考えると,固有特徴に基づく新しいチャネル識別アーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-04-11T12:42:22Z) - Towards Domain-Independent and Real-Time Gesture Recognition Using
mmWave Signal [11.76969975145963]
DI-Gesture はドメインに依存しないリアルタイムの mmWave ジェスチャー認識システムである。
リアルタイムシナリオでは、DI-Gesutreの精度は平均推定時間2.87msで97%以上に達する。
論文 参考訳（メタデータ） (2021-11-11T13:28:28Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z)
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。