基于相对平均生成对抗网络的数字盾牌用于跨域 Wi-Fi 信号适配
机器学习
2025-04-30 v1
摘要
Wi-Fi sensing 使用来自 Wi-Fi 设备的射频信号来分析环境,从而实现跟踪人员、检测入侵和识别手势等任务. 该技术的兴起由 IEEE 802.11bf 标准和日益增长的需求驱动,该需求旨在确保隐私并通过障碍物运行.然而,Wi-Fi sensing 的性能严重受到环境条件的影响,尤其是在从周围场景中提取空间和时间特征时. 一个关键挑战是实现跨域的鲁棒泛化,确保即使在 sensing 环境发生显著变化时也能保持稳定性能.本文引入了一种新型深度学习模型用于 Wi-Fi 信号的跨域适应,灵感来自物理信号屏蔽.该模型使用双向长短期记忆(Bi-LSTM)架构的相对平均生成对抗网络(RaGAN),用于生成器和判别器.为模拟物理屏蔽,构建了一个由含电磁屏蔽布料衬里的亚克力盒,模拟金纳姆笼.从盒内(域自由)和盒外(域相关)收集 various 材料的 Wi-Fi 信号光谱,以训练模型.在域自由光谱上训练的多类支持向量机(SVM),在由 RaGAN 去噪后的信号上进行测试.该系统达到了96% 的准确率,并展示了强大的材料判别能力,为在安全应用中基于其组成识别隐蔽物体提供了潜在可能性.
引用
@article{arxiv.2504.20568,
title = {Digital Shielding for Cross-Domain Wi-Fi Signal Adaptation using Relativistic Average Generative Adversarial Network},
author = {Danilo Avola and Federica Bruni and Gian Luca Foresti and Daniele Pannone and Amedeo Ranaldi},
journal= {arXiv preprint arXiv:2504.20568},
year = {2025}
}