用于无线传感的 AI 生成信号
信号处理
2023-12-25 v1
摘要
深度学习利用大量高质量训练数据，显著推动了无线传感技术的发展。然而，收集无线传感数据面临诸多挑战，包括不可避免的数据噪声、因采集开销巨大而导致的数据规模有限，以及在新环境中重新获取数据的必要性。受 AI 生成内容（AIGC）成就的启发，本文提出了一种信号生成方法，通过解耦信号中的个体和环境等不同属性，实现数据去噪、增强和合成。该方法包含两个关键模块：结构化信号选择和信号解耦生成。结构化信号选择建立具有目标属性的最小信号集，用于后续的属性解耦。信号解耦生成则解耦目标属性并重新组装以生成新信号。广泛的实验结果表明，所提方法在两个无线传感数据集上生成的数据与真实世界数据高度相似，展现了最先进的性能。我们的方法为理解和操作无线传感中的特定属性信息提供了一个稳健的框架。
引用
@article{arxiv.2312.14563,
title = {AI Generated Signal for Wireless Sensing},
author = {Hanxiang He and Han Hu and Xintao Huan and Heng Liu and Jianping An and Shiwen Mao},
journal= {arXiv preprint arXiv:2312.14563},
year = {2023}
}
备注
6 pages, 6 figures, published to Globecom2023