RSCNet：面向云端 WiFi 感知的动态 CSI 压缩

WiFi 启用物联网设备正从单纯的通信设备演变为感知工具，利用信道状态信息（CSI）提取能力。然而，资源受限的物联网设备以及深度神经网络的复杂性，使得必须将 CSI 数据传输到云端服务器进行感知。虽然可行，但导致巨大的通信开销。为此，本文开发了一种新型实时感知与压缩网络（RSCNet），其使能够使用压缩后的 CSI 数据进行感知，从而降低通信开销。RSCNet 通过由少量 CSI 帧组成的 CSI 窗口进行优化，一旦传输到云端服务器，便采用长短期记忆（LSTM）单元利用先前窗口的数据，从而提升感知精度和 CSI 重建效果。RSCNet 巧妙地在 CSI 压缩与感知精度之间取得平衡，进而以更低的通信成本实现实时云端 WiFi 感知。数值结果表明，RSCNet 在现有基准方法（如 SenseFi）之上具有显著优势，感知精度达 97.4%，且 CSI 重建误差最小。结果还展示了 RSCNet 作为 CSI 帧数函数的计算分析。