Fugu-MT 論文翻訳(概要): WiFuse: An Attention Mechanism for Human Activity Recognition using Fused CSI Amplitude and Delay-Doppler Channel Features

論文の概要: WiFuse: An Attention Mechanism for Human Activity Recognition using Fused CSI Amplitude and Delay-Doppler Channel Features

arxiv url: http://arxiv.org/abs/2608.00642v1
Date: Sat, 01 Aug 2026 12:54:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-04 15:07:24.846055
Title: WiFuse: An Attention Mechanism for Human Activity Recognition using Fused CSI Amplitude and Delay-Doppler Channel Features
Title（参考訳）: WiFuse: 融合CSI振幅と遅延ドップラーチャネル特徴を用いた人間の活動認識のための注意機構
Abstract要約: WiFuseは、人間の活動認識のためのデュアルストリームチャネル状態情報フレームワークである。デュアルストリーム戦略内で振幅と遅延ドップラー表現をペアリングし、転送学習によって強化される。 XRF55データセットの4つの環境で最高95.28%、マルチユーザWi-MIRデータセットで最大98.20%に達する。
参考スコア（独自算出の注目度）: 1.0554048699217669
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Recently, Wi-Fi sensing has played a significant role in Human Activity Recognition (HAR), as it enables the detection of various activities using only Wi-Fi signals, ensuring privacy and remaining non-intrusive for the user. However, environmental characteristics such as reflective surfaces, hardware offsets, and other physical impairments affect recognition by the neural network, subsequently causing errors and significantly reducing model accuracy. To overcome this problem we present the WiFuse framework, a dual-stream Channel State Information (CSI) framework for human activity recognition (HAR) that pairs denoised time-domain amplitude variations with 2D-FFT-derived Delay-Doppler motion representations computed from the sanitized channel phase. The fused representation feeds a hybrid ResNet-Temporal Convolutional Network (TCN) neural architecture augmented with channel and spatio-temporal attention, where the ResNet extracts spatial-spectral features and the TCN models long-range temporal dependencies; a decoupled two-stage transfer learning strategy is employed to improve optimization stability and feature reuse. We conduct extensive experiments on two public datasets, including comparisons against state-of-the-art methods and alternative hybrid architectures, ablation studies, and cross-dataset and domain-adaptation evaluations. The proposed framework reaches an overall accuracy of up to 95.28% across the four environments of the XRF55 dataset and up to 98.20% on the multi-user Wi-MIR dataset. Overall, the results indicate that combining amplitude and Delay-Doppler representations within a dual-stream strategy, enhanced by transfer learning, improves recognition performance under conditions that typically degrade deep neural networks, such as class overlap, multipath propagation, noise, and interference.
Abstract（参考訳）: 近年、Wi-Fiセンサは、Wi-Fi信号のみを使用して様々なアクティビティを検知し、プライバシーを確保し、ユーザにとって邪魔にならないままでいるため、ヒューマンアクティビティ認識(HAR)において重要な役割を担っている。しかし、反射面、ハードウェアオフセット、その他の物理的障害などの環境特性は、ニューラルネットワークによる認識に影響し、エラーを引き起こし、モデル精度を著しく低下させる。この問題を解決するために,2D-FFT由来の遅延・ドップラー運動表現と時間領域の振幅変化をペアリングする,人間の活動認識のための双方向チャネル状態情報(CSI)フレームワークであるWiFuseフレームワークを提案する。融合表現は、チャネルと時空間の注意を付加したハイブリッドのResNet-Temporal Convolutional Network(TCN)ニューラルアーキテクチャを供給し、ResNetは空間スペクトルの特徴を抽出し、TCNモデルは長距離時間依存性を抽出する。我々は、最先端の手法と代替ハイブリッドアーキテクチャとの比較、アブレーション研究、クロスデータセットとドメイン適応評価を含む、2つの公開データセットに関する広範な実験を行う。提案されたフレームワークは、XRF55データセットの4つの環境で最高95.28%、マルチユーザWi-MIRデータセットで最大98.20%に達する。以上の結果から,クラスオーバーラップ,マルチパス伝搬,ノイズ,干渉といったディープニューラルネットワークを典型的に劣化させる条件下で,2重ストリーム戦略における振幅と遅延ドップラー表現を組み合わせることで,認識性能が向上することが示唆された。

関連論文リスト

Seeing Through WiFi: Lightweight Human Pose Estimation with Dynamic Kernel Attention [55.570606479386434]
WiFiベースのヒューマンポーズ推定(HPE)は、ウェアラブルデバイスを必要とせず、人体の位置や動きの検出と解釈を可能にする。本稿では、WiFi CSI信号を用いた軽量で効率的なポーズ推定のための新しいフレームワークWiLHPEを提案する。
論文参考訳（メタデータ） (2026-07-03T11:04:05Z)
Variational Dual-path Attention Network for CSI-Based Gesture Recognition [0.0]
チャネル状態情報(CSI)に基づくWi-Fiジェスチャ認識は,エッジデバイス上での高次元ノイズやリソース制約に悩まされている。本稿では,VDAN(Varial Dual-path Attention Network)という軽量機能前処理モジュールを提案する。周波数領域フィルタリングと時間検出による構造的特徴改善を行う。
論文参考訳（メタデータ） (2026-01-20T09:02:02Z)
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)
Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
論文参考訳（メタデータ） (2025-06-24T21:14:59Z)
Wi-CBR: Salient-aware Adaptive WiFi Sensing for Cross-domain Behavior Recognition [8.028748052177146]
クロスドメイン行動認識(Wi-CBR)のための適応型Wi-Fiセンシングを提案する。具体的には、クロスドメイン行動認識(Wi-CBR)のための適応型適応WiFiセンシングを提案する。
論文参考訳（メタデータ） (2025-06-13T09:38:57Z)
Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
論文参考訳（メタデータ） (2025-06-01T22:55:55Z)
STeInFormer: Spatial-Temporal Interaction Transformer Architecture for Remote Sensing Change Detection [5.4610555622532475]
マルチ時間特徴抽出のための時空間相互作用変換器アーキテクチャSTeInFormerを提案する。また、RSCDのスペクトル情報を提供する周波数領域機能を統合するためのパラメータフリー多周波トークンミキサーを提案する。
論文参考訳（メタデータ） (2024-12-23T03:40:04Z)
Multi-channel Time Series Decomposition Network For Generalizable Sensor-Based Activity Recognition [2.024925013349319]
本稿では,MTSDNet(Multi- Channel Time Series Decomposition Network)を提案する。トレーニング可能なパラメータ化時間分解により、元の信号を複数の成分と三角関数の組み合わせに分解する。提案手法の精度と安定性を他の競合戦略と比較して予測する利点を示す。
論文参考訳（メタデータ） (2024-03-28T12:54:06Z)
Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文参考訳（メタデータ） (2024-03-15T07:18:43Z)
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)
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。