Die Studie präsentiert CSI-BERT, ein neuartiges Deep-Learning-Modell, das speziell für die Wiederherstellung und Analyse von CSI in drahtlosen Sensorsystemen entwickelt wurde.
Im Gegensatz zu früheren BERT-basierten Methoden führt CSI-BERT eine neuartige Einbettungsschicht ein, die kontinuierliche CSI-Daten direkt verarbeitet, ohne sie in diskrete Token umwandeln zu müssen. Dadurch geht keine wertvolle Information verloren.
Für die praktische Umsetzung wird ein entsprechendes selbstüberwachtes Vortrainingsverfahren für CSI-Daten vorgestellt, das auch bei hohen Paketverlustraten effektiv ist. Darüber hinaus wird eine adversarielle Lernmethode eingesetzt, um die Realität der wiederhergestellten CSI-Daten zu verbessern.
Die Experimente zeigen, dass CSI-BERT im Vergleich zu herkömmlichen Interpolationsmethoden sowohl bei der Wiederherstellung der CSI-Daten als auch bei Sensortakaufgaben deutlich bessere Ergebnisse erzielt. Darüber hinaus können andere Deep-Learning-Modelle wie ResNet und RNN durch Verwendung der von CSI-BERT wiederhergestellten CSI-Daten ihre Genauigkeit um durchschnittlich 15% steigern.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Zijian Zhao,... at arxiv.org 03-20-2024
https://arxiv.org/pdf/2403.12400.pdfDeeper Inquiries