基于机器学习的CSI感知实用性验证
信号处理
2024-09-13 v1 信息论
机器学习
网络与互联网体系结构
math.IT
摘要
在本研究中，我们利用常用于WLAN通信的信道状态信息（CSI）作为训练数据来开发和评估五种不同的机器学习模型，用于识别人体姿态：站立、坐着和躺着。我们所采用的方法包括：（i）线性判别分析、（ii）朴素贝叶斯-支持向量机、（iii）核-支持向量机、（iv）随机森林和（v）深度学习。我们系统地分析了这些模型在不同训练数据量下的准确率差异。此外，为了评估它们的空间泛化能力，我们在与数据收集设置不同的环境中评估了模型的性能。实验结果表明，尽管两种模型——（ii）朴素贝叶斯-支持向量机和（v）深度学习——在原始设置下达到85%以上的准确率，但在不同环境中应用时准确率下降到约30%。这些结果凸显了尽管基于CSI的机器学习模型在一致的空间结构中可以实现较高的准确率，但在空间条件发生变化时，其性能会显着下降，突显了其泛化能力的重大挑战。
引用
@article{arxiv.2409.07495,
title = {Validation of Practicality for CSI Sensing Utilizing Machine Learning},
author = {Tomoya Tanaka and Ayumu Yabuki and Mizuki Funakoshi and Ryo Yonemoto},
journal= {arXiv preprint arXiv:2409.07495},
year = {2024}
}