.png){kind=icon}
返回
Efficient Transmission-Based Human Behavior Recognition Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14091727.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在当代无线传感领域，利用信道状态信息（CSI）的被动传感已在包括行为识别、击键识别、呼吸检测和室内定位等多种场景中得到了广泛应用。为确保最优传感性能，无线设备通常会收集大量CSI数据包。然而，当这些数据包需要传输至服务器或云端进行时间序列分析时，被动传感系统的传输负载会迅速增加，从而阻碍系统的实时性能。为解决这一挑战，我们引入了KCS算法，这是一种基于K-奇异值分解（KSVD）的新型压缩传感（CS）算法。KCS算法的主要目标是实现CSI数据的高效传输。与传统CS中使用通用稀疏矩阵不同，KCS算法构建了过完备稀疏矩阵。这种构建方式不仅显著增强了稀疏表示能力，还优化了压缩性能。通过这种方式，它确保了数据的安全高效传输。我们将KCS算法应用于人类行为识别与预测。实验结果表明，即使CSI数据量减少90%，系统仍能保持90%的平均准确率。这展示了KCS算法在平衡数据压缩与识别性能方面的有效性，为高效数据传输和精确传感至关重要的实际应用提供了有前景的解决方案。
Keyword:
behavior recognition
channel state information
efficient transmission
compressed sensing
time series analysis
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Fast Compression of OFDM Channel State Information with Constant Frequency Sinusoidal Approximation基于恒定频率正弦波近似的OFDM信道状态信息快速压缩
PREAI
分享收藏分享收藏Channel Estimation Based on Compressed Sensing for Massive MIMO Systems With Lens Antenna Array透镜天线阵大规模MIMO系统中基于压缩感知的信道估计.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容