論文の概要: Cross-Domain Inference for Human Localization: Applying Wi-Fi RSSI Data to CSI-Trained Models

• arxiv url: http://arxiv.org/abs/2609.17204v1
• Date: Tue, 15 Sep 2026 13:56:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.550309
• Title: Cross-Domain Inference for Human Localization: Applying Wi-Fi RSSI Data to CSI-Trained Models
• Title（参考訳）: 人物位置推定のためのクロスドメイン推論:CSI訓練モデルへのWi-Fi RSSIデータの適用
• Abstract要約: Wi-Fi信号データは個人のプライバシーを侵害するために使用することができる。 本稿では、受信信号強度指標(RSSI)データによる人的位置の予測の実現可能性について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wi-Fi signal data can be used to compromise the privacy of individuals. While many existing approaches rely on Channel State Information (CSI), collecting this data on typical IoT devices often requires elevated operating system permissions and specialized drivers. Consequently, this paper investigates the feasibility of utilizing Received Signal Strength Indicator (RSSI) data to predict human locations. RSSI was selected because it is accessible even on devices with limited user permissions, and therefore is more applicable to a wider array of IoT devices. To bypass the tedious process of obtaining training data needed to train an RSSI-based model, an existing Wi-Fi pose prediction project was used in this research. However, that project assumed CSI data as input. Therefore, we investigate the feasibility of cross-domain inference, i.e., feeding RSSI data into that existing CSI-based model. We collected an RSSI dataset, synchronized with video ground-truth of a person moving within a room, to evaluate the model's performance. This evaluation confirmed that RSSI data can predict locations with approximately 80% confidence when human movement is present. This demonstrates that a model trained on CSI data can be used to evaluate low-granularity RSSI data consisting of decibel-milliwatt (dBm) values to roughly locate people in the collection space. These results imply that a wide range of IoT devices can be used for privacy invasion in Wi-Fi-dense environments.
• Abstract（参考訳）: Wi-Fi信号データは個人のプライバシーを侵害するために使用することができる。 既存の多くのアプローチはChannel State Information (CSI)に依存しているが、典型的なIoTデバイス上でデータを収集するには、オペレーティングシステムの許可と特別なドライバの強化が必要になることが多い。 そこで本研究では、受信信号強度指標(RSSI)データを用いて人的位置を推定できる可能性について検討する。 RSSIは、ユーザ権限が限られているデバイスでもアクセス可能であるため、より広い範囲のIoTデバイスに適用できるため、選択された。 RSSIモデルをトレーニングするために必要なトレーニングデータを取得するという面倒なプロセスを回避すべく,既存のWi-Fiポーズ予測プロジェクトを用いた。 しかし、そのプロジェクトはCSIデータを入力として想定した。 そこで本研究では、RSSIデータを既存のCSIモデルに入力するクロスドメイン推論の実現可能性について検討する。 室内を移動している人の映像と同期したRSSIデータセットを収集し,モデルの性能評価を行った。 この評価により、RSSIデータは、人間の動きが存在するとき、約80%の信頼性で位置を予測できることを確認した。 このことは、CSIデータに基づいてトレーニングされたモデルを用いて、デシベルミリワット(dBm)値からなる低粒度RSSIデータを評価し、収集空間内の人物をほぼ特定できることを実証している。 これらの結果から,Wi-Fi-dense環境のプライバシー侵害に対して,幅広いIoTデバイスを使用でき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)
• A Multimodal Dataset for Indoor Radio Mapping with 3D Point Clouds and RSSI [0.6077068694253743]
  このリソースは、データ駆動型無線モデリングの研究を促進するために設計されている。 堅牢で高容量な屋内通信システムの開発を進めることを目的としている。
  論文  参考訳（メタデータ） (2025-11-01T11:02:16Z)
• FGGM: Formal Grey-box Gradient Method for Attacking DRL-based MU-MIMO Scheduler [38.931160910894036]
  5Gモバイル通信システムにおいて、MU-MIMOはスペクトル効率を高め、高いデータレートをサポートする。 ユーザ間の公平性を提供しながらスペクトル効率を最大化するために,基地局はデータ伝送のためのサブセットを選択する必要がある。 本稿では,不衛生な生CSIを用いてスループット劣化攻撃を発生させる方法について検討する。
  論文  参考訳（メタデータ） (2025-10-30T02:17:32Z)
• Distributed Gossip-GAN for Low-overhead CSI Feedback Training in FDD mMIMO-OFDM Systems [65.23921727688749]
  本稿では,新たなゴシップ生成敵ネットワーク(Gossip-GAN)支援CSIフィードバックトレーニングフレームワークを提案する。 Gossip-GANは、ユーザのプライバシを保護しながら、低オーバーヘッドでCSIフィードバックトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-08-31T07:46:16Z)
• CSI-Bench: A Large-Scale In-the-Wild Dataset for Multi-task WiFi Sensing [13.709208651007167]
  CSI(Channel State Information)のきめ細かい変化を捉えたWiFiセンシングは、人間の活動監視のための説得力のある非接触モードとして登場した。 既存のWiFiセンサーシステムは、均一なハードウェアで制御された環境で収集されたデータセットと、日々のアクティビティを反映しない断片化されたセッションベースの記録のために、現実世界の設定を一般化するのに苦労している。 CSI-Benchは,35名の実ユーザを抱えた26の屋内環境において,商用WiFiエッジデバイスを用いて収集した大規模Wildベンチマークデータセットである。
  論文  参考訳（メタデータ） (2025-05-28T01:29:29Z)
• WiFi based Human Fall and Activity Recognition using Transformer based Encoder Decoder and Graph Neural Networks [8.427757893042374]
  トランスフォーマーベースのデコーダネットワーク(TEDNet)は、WiFi信号から人間の骨格のポーズを推定するために設計された。 TED Netは、畳み込みエンコーダとトランスフォーマーベースのアテンション機構を統合し、CSI信号から骨格の特徴をキャプチャする。
  論文  参考訳（メタデータ） (2025-04-23T12:22:24Z)
• Hybrid CNN-LSTM based Indoor Pedestrian Localization with CSI Fingerprint Maps [0.0]
  本稿では,CSI(Channel State Information)データを用いた新しいWi-Fiフィンガープリントシステムを提案する。 提案システムは,CSIデータから抽出した特徴の周波数多様性と空間的多様性を利用して,CSIフィンガープリントマップを生成する。 次に、このCSIフィンガープリントマップによるCSIデータの表現を用いて、ハイブリッドアーキテクチャを用いた歩行者軌道仮説を生成する。
  論文  参考訳（メタデータ） (2024-12-18T08:31:34Z)
• SDOoop: Capturing Periodical Patterns and Out-of-phase Anomalies in Streaming Data Analysis [45.79830400562905]
  本稿では、SDOのストリーミングバージョンを拡張して、データ構造の時間的情報を保持するSDOoopを提案する。 SDOoopは、従来のアルゴリズムでは検出できないコンテキスト異常を特定し、データジオメトリ、クラスタ、時間パターンの検査を可能にする。 我々は,侵入検出や自然科学領域のデータを用いてSDOoopを評価し,最先端の手法と同等あるいは優れている性能を得た。
  論文  参考訳（メタデータ） (2024-09-04T12:10:57Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• A Synthetic Dataset for 5G UAV Attacks Based on Observable Network Parameters [3.468596481227013]
  本稿では,5G以降のネットワークにおける無人航空機(UAV)攻撃のための最初の合成データセットを提案する。 このデータの主な目的は、UAV通信セキュリティのためのディープネットワーク開発を可能にすることである。 提案したデータセットは、都市環境において、静的または移動中のUAV攻撃者が認証されたUAVをターゲットにする際のネットワーク機能に関する洞察を提供する。
  論文  参考訳（メタデータ） (2022-11-05T15:12:51Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)

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。