无线感知论文速览 | IOTJ 2023, ST-PCT: Spatial-Temporal Point Cloud Transformer for Sensing Activity based on

最新推荐文章于 2025-03-06 15:44:34 发布
最新推荐文章于 2025-03-06 15:44:34 发布
阅读量611 收藏 1
点赞数 10
CC 4.0 BY-SA版权
分类专栏： # 无线感知/雷达成像论文速递 文章标签： transformer 深度学习 人工智能 论文速览
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/134488707
本文介绍了ST-PCT，一种基于毫米波雷达的时空点云Transformer，用于高精度人体活动识别。该框架通过空间相邻嵌入、时空注意力机制等模块，解决了点云稀疏和无结构的问题，提高了识别准确性，并在两个数据集上展现出优越性能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

注1:本文系“最新论文速览”系列之一,致力于简洁清晰地介绍、解读最新的顶会/顶刊论文

无线感知论文速览 | IOTJ 2023, ST-PCT: Spatial-Temporal Point Cloud Transformer for Sensing Activity based on mmWave , ST-PCT:基于毫米波的用于活动感知的时空点云Transformer

在这里插入图片描述

摘要

  • 毫米波频谱成为无线通信的核心频段,具有更丰富的谱资源、更大的通信带宽和更小的频谱干扰。
  • 基于点云的毫米波雷达人体活动识别技术无隐私风险,是实现集成感知与通信(ISAC)的重要任务。
  • 本文提出了一个空间-时域点云Transformer(ST-PCT)框架,在毫米波雷达采集的顺序点云(无体素化)上实现高精度的人体活动识别。
  • ST-PCT包含四个增强模块:
    • 每帧提取局部特征的空间相邻嵌入模块
    • 发现帧内和帧间关联的时空注意力机制
了解本专栏 订阅专栏 解锁全文 超级会员免费看
论文速览 | IEEE IoTJ, 2024 | Non-contact Vital Sign Monitoring with FMCW Radar via Maximum Likelihood Es
NLOS的博客
09-23 519
更高的精度: BR的RMSE在1 bpm以内,HR的RMSE在1.5 bpm以内,优于传统DFT方法和其他先进方法(如ANLS和mmRH)。更强的鲁棒性: 能够在存在呼吸干扰和小幅随机身体运动的情况下保持高精度估计。更好的一致性: Bland-Altman分析显示,该方法与参考设备有很高的一致性,无显著系统偏差。更广的适用性: 实验验证了该方法在不同距离、不同姿势(如躺卧、打字等)下的有效性。
【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
热门推荐
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
11-30 3万+
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用CSDN来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
Spatio-temporal Self-Supervised Representation Learning for 3D Point Clouds
qq_43369776的博客
12-05 1184
到目前为止，各种 3D 场景理解任务仍然缺乏实用和可推广的预训练模型，这主要是由于 3D 场景理解的复杂性质及其由相机视图、照明、遮挡等带来的巨大变化。在本文中，我们通过引入时空表示学习（STRL）框架来应对这一挑战，能够以自我监督的方式从未标记的 3D 点云学习。受婴儿如何从野外视觉数据中学习的启发，我们探索了从 3D 数据中获得的丰富的时空线索。具体而言，==STRL从3D点云序列中提取两个时间相关的帧作为输入，利用空间数据增强对其进行变换，并自监督地学习不变量表示。==为了证实 STRL 的有效性，我
IOTJ论文Computation-Efficient Offloading and Power Control for MEC in IoT Networks by Meta Reinforceme
价值知识传播者
01-20 608
我们首先制定一个优化问题，通过最小化MEC网络中UE的本地计算和上行传输功耗来最大化UE的计算效率。与传统的深度强化学习算法不同，我们的方法可以解决在新环境中获得适当解决方案的问题。由于设备的大量普及和计算服务器的可用性，移动边缘计算（MEC）在执行各种计算任务方面变得越来越受欢迎。然而，在考虑到无线资源分配和功耗管理的情况下，确定适当的UE在MEC中的卸载策略是计算密集型的。在物联网（IoT）网络中，基于元强化学习的计算高效卸载和能量控制用于边缘计算（MEC）。在这项工作中，我们提出了一种。
[学术论文] IOTJ期刊介绍及投稿流程学习笔记（新投稿系统）
杨秀璋的专栏
02-02 1万+
该专栏主要是论文投稿的记录笔记，希望对初学者有所帮助，也希望大家论文都能命中。这篇文章主要介绍人工智能一区期刊IEEE Internet of Things Journal（IOTJ）的投稿笔记，其是在IEEE新投稿系统中完成（注：新投稿系统需要在老系统看审稿变化），希望您喜欢！
【TOP解刊】新晋中科院1区IEEE，跻身CCF-C类，国人友好，审稿极快！
WangUnionpub的博客
12-04 1万+
例如，物联网对传感器技术、大数据管理的需求、影响和影响，以及各种物联网用例的未来互联网设计，如智能城市、智能环境、智能家居等。以下推荐期刊是一手刊源，无中科院预警记录，非三大出版社，指标情况良好，录用周期2-3个月左右，我处已有发表案例，如有意向投稿，可添加微信了解期刊详情~这本IEEE旗下中科院1区TOP，新入选CCF-C类推荐，虽创刊时间不长，但期刊各项指标优秀，发文量不低，国人发文友好，可尝试投稿~中科院大类计算机科学为1区，小类计算机：信息系统为1区，小类工程：电子与电气为1区，小类电信学为1区，
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
dsoftware的博客
10-22 2万+
最近总结了基于视觉的机器人抓取的相关论文及代码，同步于github。根据抓取的类别，基于视觉的机器人抓取可以分为两类：2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法，其中大部分都使用了深度学习。总结的中文框架结构如下： 0.综述论文 1. 2D平面抓取 这类方法将抓取，用平面内旋转的矩形框表示； 1.1基于RGB或者RGB-D的方法 采用基于目标检测类的方法，直接得到2D...
【AI视野·今日CV 计算机视觉论文速览 第272期】Fri, 20 Oct 2023
TomRen
10-24 1072
AI视野·今日CS.CV 计算机视觉论文速览 Fri, 20 Oct 2023 Totally 62 papers 👉上期速览✈更多精彩请移步主页 Daily Computer Vision Papers Putting the Object Back into Video Object Segmentation Authors Ho Kei Cheng, Seoung Wug Oh, Brian Price, Joon Young Lee, Alexander Schwing我们提出了 Cu
【AI视野·今日CV 计算机视觉论文速览 第224期】Tue, 22 Jun 2021
TomRen
06-24 2601
AI视野·今日CS.CV 计算机视觉论文速览 Tue, 22 Jun 2021 (showing first 100 of 122 entries) Totally 100 papers ????上期速览✈更多精彩请移步主页 Daily Computer Vision Papers Towards Long-Form Video Understanding Authors Chao Yuan Wu, Philipp Kr henb hl我们的世界提供了永无止境的视觉刺激流，但今天的Vision
点云序列时序特征提取方法整理
qq_37497304的博客
09-18 5158
对于连续的点云序列，点云在空间上是无序的，但在时间上是有序的。由于空间上的无序性，传统卷积无法直接应用于原始点云，因此时序点云特征提取方法可以分为基于体素分割的方法和基于原始点云的方法。本文对一些论文中点云时空特征提取方法做出一些总结。
IEEE TII&TITS&IoTJ投稿记录
wqthaha的专栏
07-20 1万+
IEEE一区期刊TII和TITS, IoTs投稿时间线记录，！逢投必中！
arXiv只上传latex生成的PDF（不上传原文件）
qq_37924079的博客
12-07 7732
注册arXiv (建议以学校邮箱注册) 开始上传：（要点） 选择license，如下图（点击右边“i” 查看详情，根绝个人情况自选）如果不清楚版权问题，建议选倒数第二个，arXiv... .... （我的论文已录用，为了增加曝光率） 单独上传latex生成的PDF是不可以的，但又不想（麻烦）上传整个tex源文件，可如下操作： 注册overlef:Overleaf, Online LaTeX Editor 由于本地latx编辑器容易报错，这里我也尝试处理了好久，最终放弃，选用了在线...
Latex单双栏转换
God_68的博客
10-09 3639
只需要更改如下代码即可 单栏：\documentclass[journal,11pt,draftclsnofoot,onecolumn]{IEEEtran} 双栏：\documentclass[journal,11pt,draftclsnofoot,twocolumn]{IEEEtran}
网络空间安全领域可投的期刊和会议
yng324的博客
06-09 3781
信息安全方面的相关期刊与会议
【SCI期刊征稿】高接受率+快速通道+0版面费 | 截稿日期：2026年6月28日
最新发布
leisigoyle的博客
03-06 397
【SCI期刊征稿】高接受率+快速通道+0版面费 | 截稿日期：2026年6月28日
【IEEE/CCF-C类】1区顶刊变水刊？发文量暴涨1600+，光速审稿，圆你顶刊梦！
zkyf2022的博客
11-05 3578
适用于物联网各类领域，含金量毋庸置疑，且国人占比极高，对国人相当友好，年发文量逐年飞升，影响力也不断上升，对于相关领域的学者来说是一个不错的选择！专注于物联网（IoT）领域的研究，包括系统架构、使能技术、通信协议、服务与应用，以及物联网的社会影响，如雷达信号处理，综合传感和通信，语义交流，可重构智能表面，资源分配与管理，信息论，联合信源信道编码等。人工智能，无线传感器网络，自然语言处理，物联网，机器学习，深度学习等。IF：2.0-3.0，JCR2区，中科院3区。，审稿周期适中，审稿过程严谨。
PCT: Point Cloud Transformer
myl1992的专栏
06-27 4483
PCT是基于Transformer的，它在自然语言处理方面取得了巨大的成功，在图像处理方面显示出巨大的潜力。它在处理点序列时具有固有的置换不变性，因此非常适合点云学习。为了更好地捕获点云中的局部上下文，我们通过支持最远点采样和最近邻搜索来增强输入嵌入。......
论文速览 | MobiCom 2023 | Bringing Millimeter Wave Technology to Any IoT Device | 将毫米波技术引入任意物联网设备
NLOS的博客
05-17 217
本文提出了一种创新的毫米波模块mmPlug，通过利用天线互耦合和放大器饱和行为，将毫米波技术引入现有的物联网设备。实验结果表明，mmPlug不仅能显著提升WiFi和LoRa设备的通信性能，还能在较远距离下保持稳定。通过毫米波频段的高带宽和定向特性，mmPlug还实现了前所未有的定位精度。尽管仍有一些改进空间，mmPlug无疑为大规模物联网部署提供了一种低功耗、高性能的解决方案。
基于4D毫米波雷达的人体感知技术文献阅读笔记
weixin_44670677的博客
08-05 1963
我们进一步讨论了潜在的挑战和未来的发展方向，包括硬件和平台，增强了适用性，新的传感方案，以及与新媒体的集成。这导致了有限的角度分辨率和不足的点云输出，导致实际应用脆弱的鲁棒性。不同的mmWave硬件和平台具有不同的信号带宽、载波频率、天线布置和传输功率，可以提供不同的感知范围、感知粒度和感知尺寸，而如何选择合适的平台是实现特定任务的先决条件。此外，许多研究人员打算通过构建定制的实验平台，如mmWave软件无线电、毫米波雷达等平台，为mmWave传感和协议开发开辟新的方向，并支持面向系统的研究。
点云数据中的3D单目标跟踪新范式（CVPR2022）
3D视觉工坊
04-25 1818
作者丨半闲@知乎来源丨https://zhuanlan.zhihu.com/p/477663378编辑丨3D视觉工坊论文名称：Beyond 3D Siamese Tracking: A Motion-Centric Paradigm for 3D Single Object Tracking in Point Clouds作者信息：论文地址：https://arxiv.o...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

付费内容不再更新，请勿购买！！

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值