論文の概要: A New Paradigm for Trusted Respiratory Monitoring Via Consumer Electronics-grade Radar Signals

• arxiv url: http://arxiv.org/abs/2601.16241v1
• Date: Thu, 22 Jan 2026 07:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.360238
• Title: A New Paradigm for Trusted Respiratory Monitoring Via Consumer Electronics-grade Radar Signals
• Title（参考訳）: 消費者電子グレードレーダ信号を用いた信頼された呼吸モニタリングのための新しいパラダイム
• Authors: Xinyu Li, Jinyang Huang, Feng-Qi Cui, Meng Wang, Peng Zhao, Meng Li, Dan Guo, Meng Wang,
• Abstract要約: 本稿では,無線信号による呼吸自動監視を行うTrusted Respiratory MonitoringパラダイムであるTru-RMを提案する。 Tru-RMの主な実現要因は、属性特徴分離(AFD)、フレキシブル摂動暗号化(FPE)、ロバスト摂動許容ネットワーク(PTN)である。
• 参考スコア（独自算出の注目度）: 35.18253933959456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Respiratory monitoring is an extremely important task in modern medical services. Due to its significant advantages, e.g., non-contact, radar-based respiratory monitoring has attracted widespread attention from both academia and industry. Unfortunately, though it can achieve high monitoring accuracy, consumer electronics-grade radar data inevitably contains User-sensitive Identity Information (USI), which may be maliciously used and further lead to privacy leakage. To track these challenges, by variational mode decomposition (VMD) and adversarial loss-based encryption, we propose a novel Trusted Respiratory Monitoring paradigm, Tru-RM, to perform automated respiratory monitoring through radio signals while effectively anonymizing USI. The key enablers of Tru-RM are Attribute Feature Decoupling (AFD), Flexible Perturbation Encryptor (FPE), and robust Perturbation Tolerable Network (PTN) used for attribute decomposition, identity encryption, and perturbed respiratory monitoring, respectively. Specifically, AFD is designed to decompose the raw radar signals into the universal respiratory component, the personal difference component, and other unrelated components. Then, by using large noise to drown out the other unrelated components, and the phase noise algorithm with a learning intensity parameter to eliminate USI in the personal difference component, FPE is designed to achieve complete user identity information encryption without affecting respiratory features. Finally, by designing the transferred generalized domain-independent network, PTN is employed to accurately detect respiration when waveforms change significantly. Extensive experiments based on various detection distances, respiratory patterns, and durations demonstrate the superior performance of Tru-RM on strong anonymity of USI, and high detection accuracy of perturbed respiratory waveforms.
• Abstract（参考訳）: 呼吸モニタリングは、現代の医療サービスにおいて非常に重要な課題である。 その大きな利点のため、非接触型レーダーによる呼吸監視は学術と産業の両方から広く注目を集めている。 残念ながら、これは高い監視精度を達成することができるが、消費者電子グレードのレーダーデータには必然的にユーザ機密情報(USI)が含まれており、悪用され、さらにプライバシーが漏洩する可能性がある。 これらの課題を追究するために,変分モード分解(VMD)と対向損失に基づく暗号を用いて,USIを効果的に匿名化しつつ,無線信号による自動呼吸監視を行うTrusted Respiratory Monitoring(Trusted Respiratory Monitoring)パラダイムであるTru-RMを提案する。 Tru-RMの主な実現要因は、属性分解、ID暗号化、摂動呼吸監視にそれぞれ使用される、属性特徴分離(AFD)、フレキシブル摂動暗号化(FPE)、ロバスト摂動許容ネットワーク(PTN)である。 具体的には、AFDは生のレーダー信号を普遍的な呼吸成分、個人差分成分、その他の無関係成分に分解するように設計されている。 そして、大きなノイズを用いて他の非関連成分をダンプし、学習強度パラメータを持つ位相雑音アルゴリズムを用いて個人差成分のUSIを除去することにより、呼吸特性に影響を与えることなく、完全なユーザ識別情報暗号化を実現するように設計されている。 最後に、転送された一般化されたドメイン非依存ネットワークを設計することにより、波形が著しく変化したときの呼吸を正確に検出する。 様々な検出距離, 呼吸パターン, 持続時間に基づく広範囲な実験により, Tru-RMがUSIの強い匿名性に対して優れた性能を示し, 摂動型呼吸波形の検出精度が高かった。

関連論文リスト

• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Online Reliable Anomaly Detection via Neuromorphic Sensing and Communications [58.796149594878585]
  本稿ではニューロモルフィック無線センサネットワークに基づく低消費電力オンライン異常検出フレームワークを提案する。 検討したシステムでは、中央受信ノードが各時間フレームでニューロモルフィックセンサノード(ニューロSN)のサブセットを積極的にクエリする。 ニューロモルフィックセンサーは事象駆動であり、モニターされたシステムの関連する変化に対応してスパイクを発生させる。
  論文  参考訳（メタデータ） (2025-10-16T13:56:54Z)
• MobiVital: Self-supervised Time-series Quality Estimation for Contactless Respiration Monitoring Using UWB Radar [10.090037080306896]
  超広帯域(UWB)レーダーデータから得られた呼吸波形の品質を向上させる新しい手法MobiVitalを提案する。 MobiVitalは、波形抽出のための自己教師付き自己回帰モデルと、生体情報処理アルゴリズムを組み合わせて波形インバージョンを検出し、修正する。 以上の結果から, 本システムで生成する呼吸波形は, ベースラインに比べて7～34%の忠実性を示した。
  論文  参考訳（メタデータ） (2025-03-14T04:14:27Z)
• Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
  モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。 本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。 呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
  論文  参考訳（メタデータ） (2023-05-10T07:05:43Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)
• MoRe-Fi: Motion-robust and Fine-grained Respiration Monitoring via Deep-Learning UWB Radar [9.009867241110518]
  高周波による非接触センシングは、深層学習の助けを借りて呼吸波形を蒸留する可能性がある。 MoRe-Fiは、データ拡張のために複雑なレーダー信号を利用する新しい変分エンコーダデコーダネットワークである。 12名の被験者と66時間データによる実験により,身体運動による干渉にもかかわらず,MoRe-Fiは呼吸波形を正確に回復することが示された。
  論文  参考訳（メタデータ） (2021-11-16T02:48:16Z)
• An Apparatus for the Simulation of Breathing Disorders: Physically Meaningful Generation of Surrogate Data [24.50116388903113]
  健常者における閉塞性および拘束性呼吸波形の両方をシミュレートする簡便かつ効果的な方法として,PVCチューブと3Dプリント部品からなる装置を提案する。 呼吸抵抗と呼吸抵抗の両方を独立に制御することで、FEV1/FVCの吸気比の全スペクトルを通して閉塞性呼吸障害をシミュレーションすることができる。 人工呼吸障害シミュレーション装置の使用による波形においても、吸気義務周期の変化やピークフローの変化などの呼吸障害の波形特性が観察される。
  論文  参考訳（メタデータ） (2021-09-14T14:00:37Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• Collaborative Three-Tier Architecture Non-contact Respiratory Rate Monitoring using Target Tracking and False Peaks Eliminating Algorithms [10.232449356645608]
  非接触呼吸モニタリング技術は、照明やモーションアーティファクトのような環境の影響に敏感であるため、精度が低い。 ユーザとクラウド間の頻繁な接触は、サービス要求の遅延と、個人情報の喪失を引き起こす可能性がある。 我々は,呼吸モニタリングの精度を高め,データ伝送遅延を低減するために,協調的な3層設計による非接触呼吸率モニタリングシステムを提案した。
  論文  参考訳（メタデータ） (2020-11-17T07:33:00Z)
• 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。