面向零样本无线感知的物理层语义感知网络

无设备无线感知因其支持广泛沉浸式人机交互应用的潜力而近期引起了极大兴趣。然而，无线信号中的数据异构性和分布式感知的数据隐私法规被认为是阻碍无线感知在大型网络系统中广泛应用的主要挑战。受无线接收器记录的信号与一组物理层语义特征密切相关的观察启发，本文提出了一种新颖的零样本无线感知解决方案，允许在一个或有限位置构建的模型直接迁移到其他位置，无需任何标注数据。我们开发了一个新颖的物理层语义感知网络（pSAN）框架，用于表征物理层语义特征与不同接收器之间感知数据分布的相关性。然后，我们提出了一种基于pSAN的零样本学习解决方案，其中每个接收器可以通过直接聚合其他接收器已构建的模型来获得特定位置的姿态识别模型。我们从理论上证明，通过我们提出的方案获得的模型可以接近最优模型，而无需任何局部模型训练。实验结果再次验证，我们方案导出的模型精度与基于监督学习使用真实标注数据训练的模型精度相匹配。