Veni Vidi Dixi：基于深度图像的可靠无线通信
信息论
2019-12-05 v1 计算机视觉与模式识别
机器学习
网络与互联网体系结构
math.IT
摘要
即将到来的工业革命需要部署关键的无线传感器网络以用于自动化和监测目的。然而，无线通信的可靠性因通信环境中的移动元素（如人或移动机器人）而变得不可预测，这些元素导致无线电环境动态变化。无线信道的变化可通过频繁的导频传输来监测，但这会损耗传感器的电池寿命。本文提出了一种新的无线信道估计技术，Veni Vidi Dixi（VVD）。VVD利用通信环境中监控摄像头所获取深度图像中的冗余信息，并使用卷积神经网络（CNN）将通信环境的深度图像映射为复无线信道估计。VVD无需频繁导频传输且接收端无额外复杂度，从而提高了无线通信的可靠性。所提方法通过在含单个移动人的室内环境中进行测量进行了测试。据作者所知，我们的工作是首个仅从深度图像而无任何导频传输获得复无线信道估计的工作。所收集的无线迹、深度图像和代码均已公开可用。
引用
@article{arxiv.1912.01879,
title = {Veni Vidi Dixi: Reliable Wireless Communication with Depth Images},
author = {Serkut Ayvaşık and H. Murat Gürsu and Wolfgang Kellerer},
journal= {arXiv preprint arXiv:1912.01879},
year = {2019}
}
备注
Accepted for publication in CoNext 2019 with reproducibility badges. The measurements and the processing codes are available at https://gitlab.lrz.de/lkn_measurements/vvd_measurements for your evaluation