SANSee：一种面向分布式无线感知的物理层语义感知网络框架

无接触、无设备、基于射频（RF）信号的无线感知技术近年来因其潜在支持广泛沉浸式人机交互应用而引起广泛关注。传统方法致力于开发基于来自不同位置收集的组合数据集的单个全局模型。然而，无线信号因其位置和环境特定性而导致全局模型会产生不一致且不可靠的感知结果。也不现实为所有可能的位置和环境情景构建单个模型。基于观察到不同位置记录的信号与一组物理层语义特征紧密相关的观察，我们提出了 SANSee，这是一种基于语义感知的网络框架，用于分布式无线感知。SANSee 允许在一个或有限数量的位置上构建的模型能够无需本地标记数据或模型训练即可迁移到新位置。SANSee 基于物理层语义感知网络（pSAN）构建，其刻画了不同位置感知数据之间的语义相似性和相关性。我们引入一种基于 pSAN 的零样本迁移学习解决方案，使新位置的接收器能够通过直接聚合来自其他接收器的模型来获取位置特定模型。我们理论上证明，SANSee 获取的模型可接近本地最优模型。实验结果基于真实世界数据集进行验证，表明SANSee 获取的迁移模型准确率与基于监督学习方法使用本地标记数据的模型准确率相当。