論文の概要: Assessing Wireless Sensing Potential with Large Intelligent Surfaces

• arxiv url: http://arxiv.org/abs/2011.08465v3
• Date: Mon, 12 Apr 2021 19:49:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 00:07:04.906067
• Title: Assessing Wireless Sensing Potential with Large Intelligent Surfaces
• Title（参考訳）: 大型インテリジェントサーフェスによるワイヤレスセンシングの可能性評価
• Authors: Cristian J. Vaca-Rubio, Pablo Ramirez-Espinosa, Kimmo Kansanen, Zheng-Hua Tan, Elisabeth de Carvalho, Petar Popovski
• Abstract要約: 本稿では,産業4.0シナリオにおけるLIS(Large Intelligent Surfaces)の知覚可能性について述べる。 LISを受信した信号パワーに依存した環境の無線画像として扱うことにより,環境を感知する技術を開発した。 我々は、機械学習ソリューションのベンチマークとして、GLRT(Generalized Likelihood Ratio)に基づく統計検査を導出する。
• 参考スコア（独自算出の注目度）: 42.23329726068689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sensing capability is one of the most highlighted new feature of future 6G wireless networks. This paper addresses the sensing potential of Large Intelligent Surfaces (LIS) in an exemplary Industry 4.0 scenario. Besides the attention received by LIS in terms of communication aspects, it can offer a high-resolution rendering of the propagation environment. This is because, in an indoor setting, it can be placed in proximity to the sensed phenomena, while the high resolution is offered by densely spaced tiny antennas deployed over a large area. By treating an LIS as a radio image of the environment relying on the received signal power, we develop techniques to sense the environment, by leveraging the tools of image processing and machine learning. Once a holographic image is obtained, a Denoising Autoencoder (DAE) network can be used for constructing a super-resolution image leading to sensing advantages not available in traditional sensing systems. Also, we derive a statistical test based on the Generalized Likelihood Ratio (GLRT) as a benchmark for the machine learning solution. We test these methods for a scenario where we need to detect whether an industrial robot deviates from a predefined route. The results show that the LIS-based sensing offers high precision and has a high application potential in indoor industrial environments.
• Abstract（参考訳）: センシング機能は、将来の6G無線ネットワークで最も目立った新機能の1つだ。 本稿では,大規模インテリジェントサーフェス(lis)のセンシングポテンシャルについて,例示産業4.0シナリオで論じる。 通信面におけるLISの注目に加えて、伝搬環境の高解像度なレンダリングを提供することができる。 これは、屋内では感知された現象に近接して配置できるが、高分解能は広い範囲に配置された密集した小さなアンテナによって提供されるためである。 LISを受信した信号パワーに依存する環境の無線画像として扱うことにより、画像処理と機械学習のツールを活用して、環境を感知する技術を開発する。 ホログラフィック画像が得られたら、デノイジングオートエンコーダ(dae)ネットワークを使用して、従来のセンシングシステムでは利用できないセンシングの利点をもたらす超解像度画像を構築することができる。 また、機械学習ソリューションのベンチマークとして、GLRT(Generalized Likelihood Ratio)に基づく統計的テストも導出する。 我々は,産業用ロボットが事前に定義された経路から逸脱するかどうかを検出するシナリオとして,これらの手法を検証した。 その結果, LISをベースとしたセンシングは高精度で, 屋内の産業環境にも適用可能性が高いことがわかった。

関連論文リスト

• Generative AI Empowered LiDAR Point Cloud Generation with Multimodal Transformer [10.728362890819392]
  統合センシングと通信は6G無線通信システムのキーイネーブルである。 本稿では、画像とRADARデータからLiDAR点雲を合成し、無線通信システムを強化する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T04:15:08Z)
• Fully Quantized Always-on Face Detector Considering Mobile Image Sensors [12.806584794505751]
  現在の顔検出器は、組み込みDNNと統合された「インテリジェント」CMOSイメージセンサの要件を完全に満たしていない。 本研究では,超低ビット軽量顔検出器を探索し,そのギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2023-11-02T05:35:49Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• Floor Map Reconstruction Through Radio Sensing and Learning By a Large Intelligent Surface [46.593612138308096]
  本稿では,大規模インテリジェントサーフェスで得られた無線環境マップを,その周辺に散在する散乱体で構築された屋内環境のフロアプランに変換する新しい手法を提案する。 本研究では, 局所的およびグローバルな測定値を用いて, フロアプランを正しく再構築可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-21T21:56:19Z)
• Hands-on Wireless Sensing with Wi-Fi: A Tutorial [7.8774878397748065]
  このチュートリアルでは、Wi-Fiセンシングを例に挙げる。 データ収集、信号処理、特徴抽出、モデル設計の理論的原則とコード実装の両方を導入している。
  論文  参考訳（メタデータ） (2022-06-20T01:53:35Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• Optical flow-based branch segmentation for complex orchard environments [73.11023209243326]
  シミュレーションでは、シミュレーションでは、シミュレーションされたRGBデータと光フローのみを用いてニューラルネットワークシステムを訓練する。 このニューラルネットワークは、忙しい果樹園環境において、追加の現実世界のトレーニングや、標準カメラ以外の特別な設定や機器を使用することなく、前景の枝のセグメンテーションを行うことができる。 その結果,本システムは高精度であり,手動ラベル付きRGBDデータを用いたネットワークと比較すると,トレーニングセットと異なる環境において,より一貫性と堅牢性を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-02-26T03:38:20Z)
• A Primer on Large Intelligent Surface (LIS) for Wireless Sensing in an Industrial Setting [39.85717881039926]
  本稿では,産業4.0シナリオにおけるLIS(Large Intelligent Surfaces)のコミュニケーションセンシング統合の可能性について述べる。 LISを環境の無線画像として扱うことにより,コンピュータビジョンと機械学習を併用したセンシング技術を開発した。 その結果, LISをベースとしたセンシングは高精度で, 屋内の産業環境にも適用可能性が高いことがわかった。
  論文  参考訳（メタデータ） (2020-06-11T16:15:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。