Presentation Information
[B-15-33]Learning cycle count and the effect of direct wave shielding in Wi-Fi CSI water level estimation
◎Mineki Nakayasu1, Hitoshi Shimasaki1 (1. Kyoto Institute of Technology)
Keywords:
Water level sensing,Channel State Information,ESP32,Environmental Monitoring,Machine Learning,Gradient Boosting Regression
近年，豪雨や自然災害の増加により，下水道や排水設備における水位監視の重要性が高まっている。従来の水位計は高精度である一方，設置コストや保守性に課題があり，広域監視への適用には制約がある。これに対し，Wi-Fi通信から取得可能なチャネル状態情報（Channel State Information: CSI）を用いた水位推定は，低コストかつ非接触な手法として期待される。しかし，CSIは周辺環境や伝搬条件の影響を受けやすく，学習条件や伝搬経路の違いが推定精度に与える影響を把握する必要がある。本報告では，ESP32で取得したWi-Fi CSIを用い，学習サイクル数，時間窓幅，および直接波遮断の有無が未知サイクルの推定精度に与える影響を評価した。実験では，アクリル水槽内の水位を80〜350 mmの範囲で上昇・下降させ，水槽前後の2台のESP32により10 HzでCSIを取得した。取得データを一定時間窓に分割し，各窓内の水位中央値を教師ラベルとした。特徴量にはRSSI，CSI振幅統計量，差分，FFT，PCAからなる691次元特徴量を用い，勾配ブースティング回帰により水位を推定した。その結果，学習サイクル数および時間窓幅の選択により推定精度が変化し，アルミ箔板による直接波遮断によって伝搬条件がCSI水位推定に影響する可能性が確認された。以上より，Wi-Fi CSIを用いた水位推定では，学習データの構成，時間窓幅，直接波を含む伝搬条件の設計が重要である。