論文の概要: Channel Gain Cartography via Mixture of Experts

• arxiv url: http://arxiv.org/abs/2012.04290v1
• Date: Tue, 8 Dec 2020 09:06:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 20:52:06.228670
• Title: Channel Gain Cartography via Mixture of Experts
• Title（参考訳）: 専門家の混合によるチャネル利得地図作成
• Authors: Luis M. Lopez-Ramos, Yves Teganya, Baltasar Beferull-Lozano, Seung-Jun Kim
• Abstract要約: このようなスペクトルマップを構築するためのほとんどのアプローチは位置ベースであり、つまり推定関数への入力変数は空間的位置の対である。 スペクトルパワーマップでは、位置情報の推定ではなく、位置信号から抽出された特徴からマップへの入力変数が構成される。 本研究は,CGマップにおける位置自由な特徴の適応とは別に,両手法を組み合わせられる手法を提案する。
• 参考スコア（独自算出の注目度）: 18.126535422561766
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In order to estimate the channel gain (CG) between the locations of an arbitrary transceiver pair across a geographic area of interest, CG maps can be constructed from spatially distributed sensor measurements. Most approaches to build such spectrum maps are location-based, meaning that the input variable to the estimating function is a pair of spatial locations. The performance of such maps depends critically on the ability of the sensors to determine their positions, which may be drastically impaired if the positioning pilot signals are affected by multi-path channels. An alternative location-free approach was recently proposed for spectrum power maps, where the input variable to the maps consists of features extracted from the positioning signals, instead of location estimates. The location-based and the location-free approaches have complementary merits. In this work, apart from adapting the location-free features for the CG maps, a method that can combine both approaches is proposed in a mixture-of-experts framework.
• Abstract（参考訳）: 任意の送受信器ペアの位置間のチャネルゲイン(CG)を地理的領域にわたって推定するために,空間分布センサ測定からCGマップを構築することができる。 このようなスペクトルマップを構築するほとんどのアプローチは位置ベースであり、推定関数への入力変数は空間的位置の対である。 このような地図の性能は、センサーが位置を決定する能力に大きく依存しており、位置決めパイロット信号がマルチパスチャネルによって影響を受ける場合、劇的に損なわれる可能性がある。 マップへの入力変数は位置推定の代わりに測位信号から抽出された特徴で構成される。 ロケーションベースとロケーションフリーのアプローチは相補的なメリットがある。 本研究は,cgマップに位置自由機能を適用することとは別に,両者のアプローチを組み合わせる手法をmixing-of-expertsフレームワークで提案するものである。

関連論文リスト

• Optimizing Multicarrier Multiantenna Systems for LoS Channel Charting [6.6297544881511055]
  チャネルチャート(CC)は、生のチャネル観測の空間と、近接点がユーザ機器(UE)のチャネルと空間的に近接する低次元空間の間のマッピングを学習する。 このマッピングを学習する様々な方法のなかには、チャネルベクトル間の距離測定に依存するものもある。
  論文  参考訳（メタデータ） (2023-09-28T09:21:41Z)
• DAC: Detector-Agnostic Spatial Covariances for Deep Local Features [11.494662473750505]
  現在の深部視覚特徴検出器は検出された特徴の空間的不確かさをモデル化していない。 本稿では,事前訓練したディープ特徴検出器に接続可能な2つのポストホック共分散推定法を提案する。
  論文  参考訳（メタデータ） (2023-05-20T17:43:09Z)
• Learnable Spatio-Temporal Map Embeddings for Deep Inertial Localization [21.300194809454077]
  本稿では,地図上のユーザ位置に関するデータ駆動型事前提案を行う。 従来の手作業で定義した手法よりも,どの地図領域がユーザにとって実現可能な場所かを,より正確にエンコードすることを学びました。
  論文  参考訳（メタデータ） (2022-11-14T18:58:21Z)
• Dencentralized learning in the presence of low-rank noise [57.18977364494388]
  ネットワーク内のエージェントが収集した観測は、観測ノイズや干渉のために信頼性が低い。 本稿では,各ノードが自身の観測の信頼性を向上させる分散アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T09:13:57Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• DiSCO: Differentiable Scan Context with Orientation [13.797651328615347]
  そこで我々は、LiDARに基づく位置認識手法、DiSCO(diffariable Scan Context with Orientation)を提案する。 同時にスキャンを同じ場所で見つけ、相対的な向きを推定する。 DiSCOは長期の屋外条件を持つ3つのデータセットで検証される。
  論文  参考訳（メタデータ） (2020-10-21T12:38:21Z)
• Multi-view Drone-based Geo-localization via Style and Spatial Alignment [47.95626612936813]
  マルチビュー・マルチソース・ジオローカライゼーションは、ドローンビュー画像と衛星ビュー画像とを事前アノテーション付きGPSタグとマッチングすることにより、GPS位置決めの重要な補助的手法として機能する。 パターンを整列させるエレガントな配向に基づく手法を提案し、整列部分特徴を抽出する新しい分岐を導入する。
  論文  参考訳（メタデータ） (2020-06-23T15:44:02Z)
• Real-time Localization Using Radio Maps [59.17191114000146]
  パスロスに基づく簡易かつ効果的なローカライゼーション法を提案する。 提案手法では, 受信した信号強度を, 既知の位置を持つ基地局の集合から報告する。
  論文  参考訳（メタデータ） (2020-06-09T16:51:17Z)
• Where am I looking at? Joint Location and Orientation Estimation by Cross-View Matching [95.64702426906466]
  ジオタグ付き空中画像の大規模データベースを考えると、クロスビューなジオローカライゼーションは問題となる。 地上画像と空中画像の向きを知ることは、これらの2つのビュー間のあいまいさを著しく軽減することができる。 局所化時の横方向のアライメントを推定する動的類似マッチングネットワークを設計する。
  論文  参考訳（メタデータ） (2020-05-08T05:21:16Z)

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。