从商品 WiFi 到高保真毫米波和 RFID 传感：跨模态生成
机器学习
2026-04-21 v1
摘要
AIGC 在计算机视觉与自然语言处理领域展现了显著成就，近期亦在无线领域取得有前景的成果。然而，RF 各模态之间存在显著数据不平衡，WiFi 数据丰富而毫米波和 RFID 数据稀缺，因获取成本高。本文提出 RF-CMG，一种基于扩散模型的跨模态生成方法，利用数据丰富的 WiFi 信号合成稀缺模态（包括毫米波和 RFID）的高保真 RF 数据。RF-CMG 的核心思想是将跨模态生成解耦为高频引导与低频约束，分别从有限的目标模态数据中学习高频分布，同时通过低频约束保留生成过程中的底层物理结构。在此基础上，引入模态引导嵌入（MGE）模块引导逆扩散轨迹导向目标高频分布，同时引入低频模态一致性（LFMC）模块逐步施加低频约束，以抑制推理期间源模态结构偏差的累积，实现高质量的目标模态生成。与几种常见生成模型进行的性能对比表明，RF-CMG 在合成 RFID 与毫米波信号方面表现优异。我们进一步展示了 RF-CMG 生成数据的 gestures 识别任务中的有效性，并分析了合成数据比例对下游性能的影响。
引用
@article{arxiv.2604.16558,
title = {Cross-Modal Generation: From Commodity WiFi to High-Fidelity mmWave and RFID Sensing},
author = {Zhixiong Yang and Long Jing and Yao Li and Shuli Cheng and Guoxuan Chi and Chenyu Wen},
journal= {arXiv preprint arXiv:2604.16558},
year = {2026}
}