利用深度学习增强射频传感：一种分层方法
信号处理
2021-10-29 v1 网络与互联网体系结构
摘要
近年来，射频（RF）传感因其普适性、低成本、非侵入性和隐私保护性而日益流行。然而，考虑到多径和干扰等典型挑战，实现射频传感的潜力绝非易事。一种潜在的解决方案利用深度学习从RF域到目标域建立直接映射，从而避免复杂的RF物理建模。虽然早期的解决方案仅利用简单的特征提取和分类模块，但新兴趋势在基础模块之上添加功能层，以获得更强大的泛化能力和灵活适用性。为了更好地理解这一潜力，本文采用分层方法总结由深度学习赋能的射频传感。本质上，我们提出一个四层框架：物理层、骨干层、泛化层和应用层。该分层框架为读者提供了设计深度可解释射频传感系统的方法论，也便于提出改进建议并暗示未来的研究机会。
引用
@article{arxiv.2110.14849,
title = {Enhancing RF Sensing with Deep Learning: A Layered Approach},
author = {Tianyue Zheng and Zhe Chen and Shuya Ding and Jun Luo},
journal= {arXiv preprint arXiv:2110.14849},
year = {2021}
}
备注
7 pages