論文の概要: Beyond Amplitude: Channel State Information Phase-Aware Deep Fusion for Robotic Activity Recognition

• arxiv url: http://arxiv.org/abs/2603.09047v1
• Date: Tue, 10 Mar 2026 00:36:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.134868
• Title: Beyond Amplitude: Channel State Information Phase-Aware Deep Fusion for Robotic Activity Recognition
• Title（参考訳）: チャネル状態情報位相を考慮したロボット活動認識のためのディープフュージョン
• Authors: Rojin Zandi, Hojjat Salehinejad, Milad Siami,
• Abstract要約: Wi-Fi Channel State Information (CSI) は、人間とロボットのアクティビティ認識のための、目視以外の知覚モダリティとして期待されている。 以前の研究は主にCSI振幅に依存し、特にロボットアームの動作認識においてフェーズ情報を利用する。 本稿では,ロボット活動認識におけるWiFiセンシングのためのGateFusion-Bidirectional Long Short-Term Memory Network (GF-BiLSTM)を提案する。
• 参考スコア（独自算出の注目度）: 6.638087512897397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wi-Fi Channel State Information (CSI) has emerged as a promising non-line-of-sight sensing modality for human and robotic activity recognition. However, prior work has predominantly relied on CSI amplitude while underutilizing phase information, particularly in robotic arm activity recognition. In this paper, we present GateFusion-Bidirectional Long Short-Term Memory network (GF-BiLSTM) for WiFi sensing in robotic activity recognition. GF-BiLSTM is a two-stream gated fusion network that encodes amplitude and phase separately and adaptively integrates per-time features through a learned gating mechanism. We systematically evaluate state-of-the-art deep learning models under a Leave-One-Velocity-Out (LOVO) protocol across four input configurations: amplitude only, phase only, amplitude + unwrapped phase, and amplitude + sanitized phase. Experimental results demonstrate that incorporating phase alongside amplitude consistently improves recognition accuracy and cross-speed robustness, with GF-BiLSTM achieving the best performance. To the best of our knowledge, this work provides the first systematic exploration of CSI phase for robotic activity recognition, establishing its critical role in Wi-Fi-based sensing.
• Abstract（参考訳）: Wi-Fi Channel State Information (CSI) は、人間とロボットのアクティビティ認識のための、目視以外の知覚モダリティとして期待されている。 しかし、初期の研究は主にCSI振幅に依存しており、特にロボットアームの動作認識において位相情報を活用していない。 本稿では,ロボット活動認識におけるWiFiセンシングのためのGateFusion-Bidirectional Long Short-Term Memory Network (GF-BiLSTM)を提案する。 GF-BiLSTMは2ストリームのゲート融合ネットワークで、振幅と位相を個別に符号化し、学習ゲーティング機構を通じて時間単位の特徴を適応的に統合する。 そこで我々は,4つの入力構成 – 振幅のみ, 位相のみ, 振幅+無開相, 振幅+衛生相 – に対して, LOVO(Leave-One-Velocity-Out)プロトコルの下で, 最先端のディープラーニングモデルを体系的に評価した。 実験結果から,位相を振幅とともに組み込むことで認識精度とクロススピードロバスト性が向上し,GF-BiLSTMが最高の性能を発揮することが示された。 我々の知る限り、この研究はロボット活動認識のためのCSIフェーズを初めて体系的に探索し、Wi-Fiセンシングにおいて重要な役割を担っている。

関連論文リスト

• Hybrid Deep Learning Framework for CSI-Based Activity Recognition in Bandwidth-Constrained Wi-Fi Sensing [1.0554048699217669]
  本稿では,CSIに基づくヒューマンアクティビティ認識(HAR)の堅牢性向上を目的とした,ハイブリッドなディープラーニングフレームワークを提案する。 このフレームワークの有効性は、20、40、80MHzの帯域幅構成のパブリックデータセットを使用して体系的に検証された。
  論文  参考訳（メタデータ） (2026-01-27T12:42:07Z)
• A Sensing Dataset Protocol for Benchmarking and Multi-Task Wireless Sensing [45.99328292838584]
  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。
  論文  参考訳（メタデータ） (2025-12-13T05:01:30Z)
• 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)
• 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)
• SETransformer: A Hybrid Attention-Based Architecture for Robust Human Activity Recognition [7.291558599547268]
  ウェアラブルセンサデータを用いたヒューマンアクティビティ認識(HAR)は,モバイルコンピューティング,ヘルスケア,人間とコンピュータのインタラクションにおいて中心的な課題となっている。 本稿では、トランスフォーマーに基づく時間モデルと、チャネルワイド・サスペンション・アンド・エキサイティング(SE)アテンションと、学習可能な時間アテンションプーリング機構を組み合わせたハイブリッドディープニューラルネットワークSETransformerを提案する。 我々は、WISDMデータセット上でSETransformerを評価し、LSTM、GRU、BiLSTM、CNNベースラインといった従来のモデルよりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-25T23:39:34Z)
• Hybrid Spiking Neural Networks for Low-Power Intra-Cortical Brain-Machine Interfaces [42.72938925647165]
  皮質内脳-機械界面(iBMI)は麻痺患者の生活を劇的に改善する可能性がある。 現在のiBMIは、ハードウェアと配線が大きすぎるため、スケーラビリティとモビリティの制限に悩まされている。 無線iBMIにおける組込みニューラルデコーディングのためのハイブリッドスパイキングニューラルネットワークについて検討している。
  論文  参考訳（メタデータ） (2024-09-06T17:48:44Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Autosen: improving automatic wifi human sensing through cross-modal autoencoder [56.44764266426344]
  WiFiによる人間のセンシングは、人間の活動を認識する上での低コストでプライバシー上の利点として高く評価されている。 ラベル付きデータなしで自己教師付き学習を可能にすることを目的とした従来のクロスモーダル手法は、振幅-位相の組み合わせから意味のある特徴を抽出するのに苦労する。 我々は、従来のアプローチから外れた革新的な自動WiFiセンシングソリューションであるAutoSenを紹介する。
  論文  参考訳（メタデータ） (2024-01-08T19:50:02Z)
• Phase Synchrony Component Self-Organization in Brain Computer Interface [3.2116198597240846]
  相同期情報は、機能的な脳の接続を分析し、脳の活動を特定する上で重要な役割を担っている。 本稿では、データ依存空間フィルタの適応学習を可能にする位相同期成分自己組織化の概念を提案する。 この概念に基づいて、生の脳波信号から位相同期に基づく特徴を直接抽出する、最初のディープラーニングエンドツーエンドネットワークが開発された。
  論文  参考訳（メタデータ） (2023-09-21T09:42:16Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition [0.9239657838690226]
  本研究では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,行動認識システムのための半教師付き学習手法を提案する。 実験の結果,分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
  論文  参考訳（メタデータ） (2020-04-23T15:22:05Z)

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。