講演抄録/キーワード |
講演名 |
2021-08-20 10:25
無線LANセンシングのための離散フーリエ基底を用いた低演算量なチャネル解析手法 ○長尾勇平(レイドリクス)・辻 康介・一色良太郎・ラナンテ レオナルド(九工大)・尾知 博(レイドリクス) AP2021-49 |
抄録 |
(和) |
近年,無線LANを用いて人物検出やモーション検出,バイタルサイン検知などを行うCSI (Channel State Information) センシング技術が注目されている.無線LANは最も普及している無線通信インフラの一つであることから,CSIセンシングはスマートホームやヘルスケア分野などへ経済的かつ容易に応用できると期待されている.CSIセンシングにおけるチャネル解析(以降,CSI解析と呼ぶ)の一つでは,機械学習の前処理として,特徴抽出・次元削減のために主成分分析が用いられるが,特異値分解(もしくは固有値分解)を必要とするため,その演算量が問題となる.本報告では,無線LANがOFDM伝送系であることに着目して,離散フーリエ基底を用いた低演算量なCSI解析手法を提案する.具体的には,提案手法は特異ベクトルの代わりに離散フーリエ基底を用いて疑似的な対角化を行うことで低演算量化を可能とする.この時,得られる疑似対角行列の主対角線とそれ以外には,それぞれチャネルインパルス応答(マルチパス)の静的チャネル成分と動的チャネル成分が特徴量として現れる.実機上において本提案手法を適用したところ,低演算量化,特徴抽出,次元圧縮の3つの観点においてそれぞれ効果が得られており,その実験結果について報告する. |
(英) |
Channel State Information (CSI) sensing over wireless LAN is gathering attention, because it enables economically and easily to apply several applications in smart homes and healthcare, such as a human detection, motion detection and vital signs monitoring. In CSI sensing, principal component analysis (PCA) is used for feature extraction and dimensionality reduction as a step of machine learning. However, the computational complexity of PCA is high due to its singular value decomposition (SVD). In this paper, we propose a low complexity CSI analysis
method which performs an imperfect diagonalization using discrete Fourier basis. This approach is based on the characteristics of OFDM transmission. The real experiments show that the proposed method has three effectiveness in following aspects, computational complexity, feature extraction, and dimensionality reduction. |
キーワード |
(和) |
無線LAN / センシング / データ解析 / 主成分分析 / チャネル状態情報 / 特異値分解 / 離散フーリエ変換 / 対角化 |
(英) |
Wireless LAN / Sensing / Data Analysis / PCA / CSI / SVD / DFT / Diagonalization |
文献情報 |
信学技報, vol. 121, no. 141, AP2021-49, pp. 7-12, 2021年8月. |
資料番号 |
AP2021-49 |
発行日 |
2021-08-13 (AP) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
AP2021-49 |