Sensing Direction of Human Motion Using Single-Input-Single-Output (SISO) Channel Model and Neural Networks
Abstrakt
Object detection Through-the-Walls enables localization and identification of hidden objects behind the walls. While numerous studies have exploited Channel State Information of Multiple Input Multiple Output (MIMO) WiFi and radar devices in association with Artificial Intelligence based algorithms (AI) to detect and localize objects behind walls, this study proposes a novel non-invasive Through-the-Walls human motion direction prediction system based on a Single-Input-Single-Output (SISO) communication channel model and Shallow Neural Network (SNN). The motion direction prediction accuracy of SNN is highlighted against the other types of Machine Learning (ML) models. The comparative analysis of models in this study shows that unique human movement patterns, superimposed on received pilot radio signal, can be classified precisely by SNN, with an accuracy of approximately 89.13% compared to the other ML based models. The results of this study would guide scholars, active in developing human motion recognition systems, intrusion detection systems, or Well-being and healthcare systems, and in processes that innovate and improve processing techniques for monitoring and control.
Cytowania
-
4
CrossRef
-
0
Web of Science
-
6
Scopus
Autorzy (5)
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/ACCESS.2022.3177273
- Licencja
- otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
IEEE Access
nr 10,
strony 56823 - 56844,
ISSN: 2169-3536 - Język:
- angielski
- Rok wydania:
- 2022
- Opis bibliograficzny:
- Bhat S. A., Dar M. A., Szczuko P., Alyahya D., Mustafa F.: Sensing Direction of Human Motion Using Single-Input-Single-Output (SISO) Channel Model and Neural Networks// IEEE Access -Vol. 10, (2022), s.56823-56844
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/access.2022.3177273
- Źródła finansowania:
-
- Publikacja bezkosztowa
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 138 razy