基于深度谱图网络与基元自回归混合信道模型的无线感知
信息论
2021-04-22 v1 机器学习
信号处理
math.IT
摘要
基于无线感知的人体运动识别（HMR）是一种低成本的场景理解技术。当前 HMR 系统采用支持向量机（SVMs）和卷积神经网络（CNNs）对雷达信号进行分类。然而，更深的模型是否能提升系统性能目前尚不清楚。另一方面，训练机器学习模型需要大规模数据集，但实验数据收集成本高且耗时。尽管可采用无线信道模型生成数据集，但现有信道模型大多为通信而非感知设计。为解决上述问题，本文利用残差映射技术提出深度谱图网络（DSN）以增强 HMR 性能。此外，开发了基元自回归混合（PBAH）信道模型，可在虚拟环境中高效生成 HMR 训练与测试数据集。实验结果表明，所提 PBAH 信道模型与实际实验数据吻合良好，且所提 DSN 的识别误差显著小于 CNN。
引用
@article{arxiv.2104.10378,
title = {Wireless Sensing With Deep Spectrogram Network and Primitive Based Autoregressive Hybrid Channel Model},
author = {Guoliang Li and Shuai Wang and Jie Li and Rui Wang and Xiaohui Peng and Tony Xiao Han},
journal= {arXiv preprint arXiv:2104.10378},
year = {2021}
}
备注
12 pages, 5 pages, submitted to IEEE SPAWC 2021