面向6G扩展现实系统的基于可穿戴传感器的端到端人体姿态重建
计算机视觉与模式识别
2025-03-10 v1 信号处理
摘要
完整的3D人体姿态重建是未来第六代（6G）网络中扩展现实（XR）应用的关键支撑技术，可支持游戏中的沉浸式交互、虚拟会议和远程协作。然而，在无线网络中实现精确的姿态重建仍具有挑战性，原因包括信道损伤、比特错误和量化效应。现有方法通常假设室内环境下无误码传输，限制了其在真实场景中的适用性。为了应对这些挑战，我们提出了一种基于深度学习的框架，用于正交频分复用（OFDM）系统中的人体姿态重建。该框架引入了一个两阶段深度学习接收机：第一阶段联合估计无线信道并解码OFDM符号，第二阶段将接收到的传感器信号映射为完整的3D身体姿态。仿真结果表明，所提出的神经接收机降低了误码率（BER），相比采用独立信号检测步骤（即最小二乘信道估计和线性最小均方误差均衡）的基线方法，在 BER处获得了5 dB的增益。此外，我们的实验结果表明8位量化足以实现精确的姿态重建，在重建传感器信号上实现了的均方误差，并将重建人体姿态的关节角度误差相比基线降低了37%。
引用
@article{arxiv.2503.04860,
title = {End-to-End Human Pose Reconstruction from Wearable Sensors for 6G Extended Reality Systems},
author = {Nguyen Quang Hieu and Dinh Thai Hoang and Diep N. Nguyen and Mohammad Abu Alsheikh and Carlos C. N. Kuhn and Yibeltal F. Alem and Ibrahim Radwan},
journal= {arXiv preprint arXiv:2503.04860},
year = {2025}
}