基于 Sub-6 GHz 大规模 MIMO 阵列与真实数据的运动物体分类
信息论
2021-02-10 v1 机器学习
信号处理
math.IT
摘要
利用无线信号对室内环境中不同活动进行分类是一项新兴技术，可应用于入侵检测、患者监护和智能家居等多个领域。研究者已展示了利用 WiFi 信号对活动进行分类的多种方法及其潜在益处。在本文中，我们通过在室内环境中对来自大规模多输入多输出（MIMO）系统的真实数据采用机器学习，来分析运动物体的分类。我们使用工作于 3.7 GHz 的大规模 MIMO 测试平台，在视距与非视距场景下对不同活动进行测量。我们提出利用基于幅度和相位特征的算法来完成分类任务。对于所考虑的设置，我们对分类性能进行基准测试，并表明即使实验次数较少，使用真实大规模 MIMO 数据也可达到高达 98% 的准确率。此外，我们展示了与 WiFi 设备等天线数量受限的系统相比，大规模 MIMO 系统在性能结果上的增益。
引用
@article{arxiv.2102.04892,
title = {Moving Object Classification with a Sub-6 GHz Massive MIMO Array using Real Data},
author = {B. R. Manoj and Guoda Tian and Sara Gunnarsson and Fredrik Tufvesson and Erik G. Larsson},
journal= {arXiv preprint arXiv:2102.04892},
year = {2021}
}
备注
To be published in proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2021