論文の概要: A comparison between ceiling-mounted FMCW, IR-UWB and Wi-Fi radar for in-bedroom human activity monitoring and sleep interruption detection

• arxiv url: http://arxiv.org/abs/2608.20322v1
• Date: Thu, 20 Aug 2026 17:58:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.666805
• Title: A comparison between ceiling-mounted FMCW, IR-UWB and Wi-Fi radar for in-bedroom human activity monitoring and sleep interruption detection
• Title（参考訳）: FMCW, IR-UWB, Wi-Fiレーダによる室内活動監視と睡眠中断検出の比較
• Abstract要約: 本稿では,天井搭載FMCW,IR-UWB,Wi-Fiセンサの比較と解析を行う。 すべての技術は、きめ細かい10クラスの人間の活動認識タスクと、粗い4クラスの睡眠監視タスクの両方で、同じ畳み込みニューラルネットワーク(CNN)で評価される。 その結果, 認識性能と環境の堅牢性の間には, 範囲分解能, アンテナの多様性, ドップラー分解能, 空間情報保持の相違により, 基本的なトレードオフが明らかとなった。
• 参考スコア（独自算出の注目度）: 2.437153384854612
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Despite their growing importance for contact-free radio frequency (RF) based healthcare monitoring, different radio technologies such as frequency-modulated continuous wave (FMCW) radar, impulse radio ultra-wideband (IR-UWB), and Wi-Fi sensing are rarely compared under identical deployment conditions, as existing studies typically differ in hardware, datasets, and evaluation methodologies. In addition, the performance of ceiling-mounted radars, despite their practical deployment and cost advantages in healthcare environments, remain underexplored. Therefore, this paper presents a controlled comparison and analysis of ceiling-mounted FMCW, IR-UWB, and Wi-Fi sensing using synchronized recordings from 20 participants across six room layouts. All technologies are evaluated with the same convolutional neural network (CNN) on both a fine-grained 10-class human activity recognition (HAR) task and a coarse 4-class sleep monitoring task. IR-UWB achieves the highest cross-subject activity recognition performance (89.0% macro F1), while FMCW generalizes best to unseen room layouts (83.8% macro F1). For sleep monitoring, all technologies exceed 92% macro F1 in unseen environments. The results reveal a fundamental trade-off between recognition performance and environmental robustness, which can be explained through differences in range resolution, antenna diversity, Doppler resolution, and spatial information retention. These findings provide practical guidelines for the design of healthcare-oriented RF sensing systems.
• Abstract（参考訳）: RFベースの医療監視の重要性が高まっているにもかかわらず、周波数変調連続波レーダ(FMCW)、インパルス無線ウルトラワイドバンド(IR-UWB)、Wi-Fiセンシングといった異なる無線技術は、ハードウェア、データセット、評価手法で通常異なるため、同じ配置条件下で比較されることは滅多にない。 さらに、天井搭載レーダーの性能は、医療環境における実用的展開とコストの優位性にもかかわらず、未調査のままである。 そこで本研究では, 天井搭載FMCW, IR-UWB, およびWi-Fiセンサの6部屋レイアウト間の同期記録を用いた比較と解析を行った。 すべての技術は、きめ細かい10クラスのヒューマンアクティビティ認識(HAR)タスクと、粗い4クラスの睡眠監視タスクの両方に基づいて、同じ畳み込みニューラルネットワーク(CNN)で評価される。 IR-UWBは最高のクロスオブジェクトアクティビティ認識性能(89.0%マクロF1)を達成し、FMCWは見えない部屋レイアウト(83.8%マクロF1)に最適化する。 睡眠モニタリングでは、すべての技術が目に見えない環境で92%のマクロF1を超える。 その結果, 認識性能と環境の堅牢性の間には, 範囲分解能, アンテナの多様性, ドップラー分解能, 空間情報保持の相違により, 基本的なトレードオフが明らかとなった。 これらの知見は、医療指向RFセンシングシステムの設計のための実践的ガイドラインを提供する。

関連論文リスト

• Spectrum Shortage for Radio Sensing? Leveraging Ambient 5G Signals for Human Activity Detection [5.225254533678075]
  Ambient Radio Sensing (ARS) はISACのアプローチであり、無線信号を無線で再送することでスペクトルの希少性に対処する。 ARSは、受動的に通信信号を受信し、それを増幅して周囲の物体を照らし、反射した信号をキャプチャするスタンドアロンデバイスとして機能する。 我々は,ARSのプロトタイプを開発し,周辺5G信号を用いた広範囲な実験によりその有効性を検証した。
  論文  参考訳（メタデータ） (2026-03-03T23:18:03Z)
• Comprehensive Deployment-Oriented Assessment for Cross-Environment Generalization in Deep Learning-Based mmWave Radar Sensing [0.0]
  本研究では,周波数変調連続波(FMCW)マルチインプットマルチアウトプット(MIMO)レーダを用いた屋内環境における計数に着目する。 本稿では,振幅に基づく統計的前処理(シグモイド重み付けとしきい値ゼロ化),周波数領域フィルタリング,オートエンコーダに基づく背景抑圧,データ拡張戦略,転送学習など,幅広いアプローチについて検討する。
  論文  参考訳（メタデータ） (2025-12-15T06:29:51Z)
• 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)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• UWB Radar-based Heart Rate Monitoring: A Transfer Learning Approach [0.6236828594667636]
  本研究では、周波数変調連続波(FMCW)とインパルスラジオ超広帯域(IR-UWB)レーダ間の伝達学習を実証する。 新たな2D+1D ResNetアーキテクチャを用いて、平均絶対誤差(MAE)が0.85bpm、平均絶対パーセンテージ誤差(MAPE)が1.42%に達した。
  論文  参考訳（メタデータ） (2025-07-14T11:45:57Z)
• 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)
• SpectrumFM: A Foundation Model for Intelligent Spectrum Management [99.08036558911242]
  既存のインテリジェントスペクトル管理手法は、通常は小規模モデルに基づいており、認識精度、収束速度、一般化の顕著な制限に悩まされている。 本稿では、スペクトルFMと呼ばれる新しいスペクトル基盤モデルを提案し、スペクトル管理のための新しいパラダイムを確立する。 実験により、SpectrumFMは精度、堅牢性、適応性、少数ショット学習効率、収束速度の点で優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-05-02T04:06:39Z)
• 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)
• User Localization using RF Sensing: A Performance comparison between LIS and mmWave Radars [41.88097640694028]
  RFセンシングにおける2つの新しい技術、すなわちLarge Intelligent Surfaces (LIS) と mmWave Frequency-Modulated Continuous-Wave (FMCW) レーダーによるセンシングは、幅広い応用に成功している。 実環境およびシミュレーション環境における位置推定のためのLISとmmWaveレーダを比較した。
  論文  参考訳（メタデータ） (2022-05-17T09:44:56Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
  WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。 得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。 WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
  論文  参考訳（メタデータ） (2021-07-11T19:02:07Z)
• Moving Object Classification with a Sub-6 GHz Massive MIMO Array using Real Data [64.48836187884325]
  無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。 本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
  論文  参考訳（メタデータ） (2021-02-09T15:48:35Z)

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。