邻近感知：面向数字接触追踪的含噪 RSSI-BLE 信号及其他移动传感器数据的建模与理解
信号处理
2020-12-29 v3 计算机与社会
机器学习
摘要
在等待疫苗的同时，通过高效的接触追踪保持社交距离已成为遏制 COVID-19 传播的主要卫生策略。为实现高效的数字接触追踪，我们提出了一种新颖的系统，通过联合建模蓝牙低功耗（BLE）信号与其他设备端传感器（加速度计、磁力计、陀螺仪）来估计成对个体邻近度。我们探索了多种解读传感器数据流（时间序列、直方图等）的方式，并使用若干统计与深度学习方法学习用于感知邻近度的表示。我们报告了归一化决策代价函数（nDCF）指标，分析了各输入信号的差异化影响，并讨论了与该任务相关的各种挑战。
引用
@article{arxiv.2009.04991,
title = {Proximity Sensing: Modeling and Understanding Noisy RSSI-BLE Signals and Other Mobile Sensor Data for Digital Contact Tracing},
author = {Sheshank Shankar and Rishank Kanaparti and Ayush Chopra and Rohan Sukumaran and Parth Patwa and Myungsun Kang and Abhishek Singh and Kevin P. McPherson and Ramesh Raskar},
journal= {arXiv preprint arXiv:2009.04991},
year = {2020}
}
备注
Accepted to IEEE/ICACT' 2021: International Conference on Advanced Communication Technology. Also presented at the Machine Learning for Mobile Health workshop at NeurIPS 2020