RSCNet: Dynamic CSI Compression for Cloud-based WiFi Sensing

要約

WiFi 対応のモノのインターネット (IoT) デバイスは、チャネル状態情報 (CSI) 抽出機能を活用して、単なる通信デバイスからセンシング機器へと進化しています。
それにもかかわらず、リソースに制約のある IoT デバイスとディープ ニューラル ネットワークの複雑さにより、センシングのために CSI をクラウド サーバーに送信する必要があります。
実現可能ではありますが、これによりかなりの通信オーバーヘッドが発生します。
これに関連して、この論文では、圧縮された CSI でのセンシングを可能にする新しいリアルタイム センシングおよび圧縮ネットワーク (RSCNet) を開発します。
これにより、通信のオーバーヘッドが削減されます。
RSCNet は、いくつかの CSI フレームで構成される CSI ウィンドウ全体の最適化を容易にします。
クラウド サーバーに送信されると、LSTM (Long Short-Term Memory) ユニットを使用して以前のウィンドウからのデータを活用し、センシング精度と CSI 再構築の両方を強化します。
RSCNet は、CSI 圧縮とセンシング精度の間のトレードオフのバランスを適切に取り、通信コストを削減しながらリアルタイムのクラウドベース WiFi センシングを合理化します。
数値結果は、SenseFi などの既存のベンチマークを上回る RSCNet の向上を示しており、最小限の CSI 再構成エラーで 97.4% のセンシング精度を示しています。
数値結果は、CSI フレーム数の関数として提案された RSCNet の計算解析も示しています。

要約(オリジナル)

WiFi-enabled Internet-of-Things (IoT) devices are evolving from mere communication devices to sensing instruments, leveraging Channel State Information (CSI) extraction capabilities. Nevertheless, resource-constrained IoT devices and the intricacies of deep neural networks necessitate transmitting CSI to cloud servers for sensing. Although feasible, this leads to considerable communication overhead. In this context, this paper develops a novel Real-time Sensing and Compression Network (RSCNet) which enables sensing with compressed CSI; thereby reducing the communication overheads. RSCNet facilitates optimization across CSI windows composed of a few CSI frames. Once transmitted to cloud servers, it employs Long Short-Term Memory (LSTM) units to harness data from prior windows, thus bolstering both the sensing accuracy and CSI reconstruction. RSCNet adeptly balances the trade-off between CSI compression and sensing precision, thus streamlining real-time cloud-based WiFi sensing with reduced communication costs. Numerical findings demonstrate the gains of RSCNet over the existing benchmarks like SenseFi, showcasing a sensing accuracy of 97.4% with minimal CSI reconstruction error. Numerical results also show a computational analysis of the proposed RSCNet as a function of the number of CSI frames.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google