RF-URL 2.0:用于射频传感的一般无监督表示学习方法

科学领域:

• 无线电频率 (RF) 传感传感器
• 机器学习 机器学习
• 信号处理 信号处理

背景情况:

• 获取基于学习的RF传感的大规模注释数据集是一个主要的挑战,因为RF信号的非直观性质.
• 现有的无监督表示学习 (URL) 方法,设计用于视觉数据,往往无法捕获有意义的射频信号信息,而是学习快捷方式.

研究的目的:

• 提出RF-URL 2.0,一个新的无监督表示学习框架,用于RF传感.
• 为了使大,无注释的射频数据集能够进行有效的预训练,以简化下游的射频传感任务.
• 克服当前的URL技术的局限性,当应用到射频信号时.

主要方法:

• RF-URL 2.0使用已建立的射频信号处理算法构建正负对.
• 介绍了一个信号模型驱动的增强技术,它扰乱了物理上有意义的参数.
• 考虑不同射频信号处理表示的异质性.

主要成果:

• 证明了该框架在三个射频传感任务中的普遍性:人类手势识别,3D姿势估计和轮生成.
• 在HIBER和Widar 3.0数据集上使用WiFi和雷达设备进行验证.
• 在基于学习的射频传感解决方案方面取得了重大进展.

结论:

• RF-URL 2.0提供了一个强大的解决方案,用于对未注释的射频数据进行预训练,解决射频传感的关键挑战.
• 该框架能够从射频信号中学习有意义的表示,这是一个重要的进步.
• 这项工作为基于学习的RF传感应用程序铺平了道路.