누락된 데이터 찾기: 무선 센싱에서 패키지 손실에 대응하는 BERT 기반 접근법

다양한 Wi-Fi 센싱을 위한 딥 러닝 방법이 개발되었음에도 불구하고, 패킷 손실은 종종 채널 상태 정보(Channel State Information, CSI)의 비연속적인 추정을 초래하여 학습 모델의 성능에 부정적인 영향을 미칩니다. 이 문제를 해결하기 위해, 우리는 CSI 복구를 위한 트랜스포머 기반 양방향 인코더 표현(Bidirectional Encoder Representations from Transformers, BERT) 딥 러닝 모델인 CSI-BERT를 제안합니다. CSI-BERT는 추가 데이터가 필요하지 않은 상태에서 대상 데이터셋 위에서 자기 지도(self-supervised) 방식으로 훈련될 수 있습니다. 또한, 전통적인 보간(interpolation) 방법과 달리 CSI-BERT는 각 서브캐리어(subcarrier) 간의 순차적 관계를 포착합니다.실험 결과는 CSI-BERT가 고 손실률에서도 전통적인 보간 방법보다 낮은 오류율과 더 빠른 속도를 달성함을 입증하였습니다. 더욱이, CSI-BERT로부터 얻은 복구된 CSI를 활용하면 잔여 신경망(Residual Network) 및 반복 신경망(Recurrent Neural Network) 같은 다른 딥 러닝 모델들이 Wi-Fi 센싱 작업에서 평균적으로 약 15%의 정확도 향상을 이루었습니다. 수집된 데이터셋 WiGesture와 우리의 모델 코드는 https://github.com/RS2002/CSI-BERT에서 공개적으로 이용 가능합니다.