深層学習に基づくモバイルセンサデータの圧縮センシング

概要

スマートセンシングとモバイル技術の進化に伴い、スマートフォンやクラウドサーバーに多様なセンサデータを保存することがますます困難になっています。本プロジェクトでは、従来の圧縮センシング（CS）手法の限界を克服するため、深層学習に基づくCSフレームワークを開発し、スマートフォンセンサデータの効率的な圧縮・再構成を実現します。

アプローチ

• Mob-ISTA-1DNet（CIKM 2024）: 深層学習と反復縮小閾値アルゴリズム（ISTA）を統合した革新的なCSフレームワーク。センサデータの変動性、動的変化、異なるサンプリングレートなどの複雑さに対応し、スマートフォンセンサデータの適応的な圧縮・再構成を実現
• 畳み込みCS（SenSys 2022）: 畳み込みニューラルネットワーク（CNN）を用いた圧縮センシングフレームワーク。加速度データの圧縮・再構成において、従来手法に比べ大幅な性能向上と処理時間の短縮を実証

結果

• Mob-ISTA-1DNetは再構成精度を向上させ、処理時間を大幅に削減。加速度計、ジャイロスコープ、気圧計などの各種センサにおいて従来手法を一貫して上回る性能を達成
• カスタムモバイルアプリケーションを用いて30名のボランティアから1ヶ月間のデータを収集し、実環境でのフレームワークの有効性を検証
• 比較分析により、再構成品質と処理効率の両面で従来の圧縮センシング手法に対する優位性を実証

意義

深層学習と圧縮センシング理論を組み合わせることで、異種スマートフォンセンサデータの実用的かつ効率的な圧縮を可能にします。提案フレームワークは、モバイルセンシングにおけるデータの保存・転送の実世界課題に対処し、大規模かつ連続的なセンサデータ収集の実現性を向上させます。