文献

J-GLOBAL ID：202202234279979729   整理番号：22A1015872

Wi-Fi CSIを用いた行動認識のための強化学習を用いた環境非依存なサンプリングレート選択

著者 (7件)： 丹野友華 (大阪大 大学院情報科学研究科) ,  前川卓也 (大阪大 大学院情報科学研究科) ,  原隆浩 (大阪大 大学院情報科学研究科) ,  尾原和也 (NTT コミュニケーション科学基礎研) ,  岸野泰恵 (NTT コミュニケーション科学基礎研) ,  村上友規 (NTT アクセスサービスシステム研) ,  アベセカラ ヒランタ (NTT アクセスサービスシステム研)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2022  号： UBI-73  ページ： Vol.2022-UBI-73,No.28,1-8 (WEB ONLY)  発行年： 2022年02月28日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,Wi-Fi電波のチャネル状態情報(Channel State Information:CSI)を用いる行動認識手法が注目されている.CSIを用いた従来の行動認識手法は,一定の高いサンプリングレートで取得されたCSIを利用しているため,取得や解析に高い計算コストを必要とした.この問題を解決するために,現在の行動や状態に応じて適切にサンプリングレートを調整しながら,できるだけ低いサンプリングレートで行動認識を行う手法が研究されている.しかし,この既存手法では,CSIが取得される環境ごとに行動認識モデルとサンプリングレートの選択を行うモジュールの学習を行う必要がある.特に,サンプリングレート選択モジュールの学習手法には強化学習が用いられているため,多くの時間と計算コストが必要となる.そこで本稿では,環境に依存せずに動作するサンプリングレート選択モジュールを実現することで,対象の環境におけるCSIを用いた行動認識システムの導入コストを低減する.サンプリングレートの選択には,現在行われている行動の潜在表現である,行動認識モデルの特徴抽出器の出力を利用することが有効であるが,行動認識モデルはデータの特徴が異なる環境ごとに用意する必要があるため,環境非依存なサンプリングレート選択には用いられない.そこで本研究では,行動認識モデルにDomain Adversarial Neural Networks(DANN)を用いることで,環境非依存な特徴抽出を行った.また環境によって,異なるサンプリングレートで認識を行ったときの認識性能が異なるため,特定の行動をどのサンプリングレートでするかを事前に学習することは不可能である.そこで,環境に依存しない情報と考えられる行動認識モデルの現在の行動認識結果の信頼度を,サンプリングレート選択モジュールの入力に追加で用いる.これにより,例えば信頼度が低い場合は高いサンプリングレートに切り替えるなどの環境非依存な方策を学習できると期待される.3つの環境で,それぞれ7種類の行動を行った際のCSIを取得し,評価実験を行った.(著者抄録)

シソーラス用語： *無線LAN ,  *情報 ,  通信チャネル ,  *認識 ,  *強化学習 ,  速度 ,  *信号標本化 ,  人間行動 ,  実験 ,  原価
準シソーラス用語： *CSI ,  WiFi ,  サンプリングレート ,  計算コスト ,  行動認識 ,  *人間の行動認識 ,  評価実験

分類 (3件)： パターン認識  (JE07000S) ,  通信網  (ND07030A) ,  人工知能  (JE08000Z)

引用文献 (11件)：

• Wang, W., Liu, A. X., Shahzad, M., Ling, K. and Lu, S.: Device-Free Human Activity Recognition Using Commercial WiFi Devices, IEEE Journal on Selected Areas in Communications, Vol. 35, No. 5, pp. 1118-1131(2017).
• Wei, B., Hu, W., Yang, M. and Chou, C. T.: From Real to Complex: Enhancing Radio-based Activity Recognition Using Complex-Valued CSI, TOSN, Vol. 15, No. 3, pp. 35:1-35:32 (2019).
• Tanno, Y., Maekawa, T., Hara, T. et al.: Wi-Fi CSI-based Activity Recognition with Adaptive Sampling Rate Selection, MobiQuitous ’21 (2021).
• Jiang, W., Miao, C., Ma, F., Yao, S., Wang, Y., Yuan, Y., Xue, H., Song, C., Ma, X., Koutsonikolas, D., Xu, W. and Su, L.: Towards Environment Independent Device Free Human Activity Recognition, the 24th Annual International Conference on Mobile Computing and Net-working, MobiCom 2018, pp. 289-304 (2018).
• Ganin, Y., Ustinova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M. and Lempitsky, V.: Domain-adversarial training of neural net-works, The Journal of Machine Learning Research, Vol. 17, No. 1, pp. 2096-2030 (2016).

タイトルに関連する用語 (7件)： Wi-Fi ,  CSI ,  行動認識 ,  強化学習 ,  環境 ,  非依存 ,  サンプリングレート