論文の概要: Vision-Aided 6G Wireless Communications: Blockage Prediction and
Proactive Handoff
- arxiv url: http://arxiv.org/abs/2102.09527v2
- Date: Sat, 20 Feb 2021 00:28:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 12:56:02.822963
- Title: Vision-Aided 6G Wireless Communications: Blockage Prediction and
Proactive Handoff
- Title(参考訳): vision-aided 6g wireless communications: blockage predictionとproactive handoff
- Authors: Gouranga Charan, Muhammad Alrabeiah, and Ahmed Alkhateeb
- Abstract要約: 遮断に対する感度は、高周波(5Gミリ波と6Gサブテラヘルツ)無線ネットワークにとって重要な課題です。
信頼性とレイテンシの課題に取り組む有望な方法は、無線ネットワークのプロアクションを可能にすることだ。
本稿では,bimodal machine learningを用いた視覚支援型無線通信ソリューションを提案する。
- 参考スコア(独自算出の注目度): 15.682727572668826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The sensitivity to blockages is a key challenge for the high-frequency (5G
millimeter wave and 6G sub-terahertz) wireless networks. Since these networks
mainly rely on line-of-sight (LOS) links, sudden link blockages highly threaten
the reliability of the networks. Further, when the LOS link is blocked, the
network typically needs to hand off the user to another LOS basestation, which
may incur critical time latency, especially if a search over a large codebook
of narrow beams is needed. A promising way to tackle the reliability and
latency challenges lies in enabling proaction in wireless networks. Proaction
basically allows the network to anticipate blockages, especially dynamic
blockages, and initiate user hand-off beforehand. This paper presents a
complete machine learning framework for enabling proaction in wireless networks
relying on visual data captured, for example, by RGB cameras deployed at the
base stations. In particular, the paper proposes a vision-aided wireless
communication solution that utilizes bimodal machine learning to perform
proactive blockage prediction and user hand-off. The bedrock of this solution
is a deep learning algorithm that learns from visual and wireless data how to
predict incoming blockages. The predictions of this algorithm are used by the
wireless network to proactively initiate hand-off decisions and avoid any
unnecessary latency. The algorithm is developed on a vision-wireless dataset
generated using the ViWi data-generation framework. Experimental results on two
basestations with different cameras indicate that the algorithm is capable of
accurately detecting incoming blockages more than $\sim 90\%$ of the time. Such
blockage prediction ability is directly reflected in the accuracy of proactive
hand-off, which also approaches $87\%$. This highlights a promising direction
for enabling high reliability and low latency in future wireless networks.
- Abstract(参考訳): 遮断に対する感度は、高周波(5Gミリ波と6Gサブテラヘルツ)無線ネットワークにとって重要な課題です。
これらのネットワークは主にLOSリンクに依存しているため、突然のリンクブロックはネットワークの信頼性を脅かす。
さらに、LOSリンクがブロックされた場合、ネットワークは通常、ユーザを別のLOSベースステーションに渡す必要がある。
信頼性とレイテンシの課題に取り組む有望な方法は、無線ネットワークのプロアクションを可能にすることだ。
proactionは基本的に、ネットワークがブロック、特に動的ブロックを予測し、事前にユーザのハンドオフを開始することができる。
本論文では,基地局に設置されたRGBカメラの映像データを活用した無線ネットワークにおけるプロアクションを実現するための完全な機械学習フレームワークを提案する。
そこで本論文では,バイモーダルマシンラーニングを用いた視覚支援型無線通信ソリューションを提案し,アクティブブロッキング予測とユーザハンドオフを行う。
このソリューションの基礎は、視覚的および無線的データから受信する閉塞を予測する方法を学ぶディープラーニングアルゴリズムです。
このアルゴリズムの予測は無線ネットワークによって積極的にハンドオフ決定を開始し、不要な遅延を回避するために使用される。
このアルゴリズムは、ViWiデータ生成フレームワークを用いて生成されたビジョンワイヤレスデータセットに基づいて開発されている。
異なるカメラを持つ2つの基地局での実験結果は、アルゴリズムが正確に入ってくるブロックを90ドル以上正確に検出できることを示している。
このような閉塞予測能力は、プロアクティブハンドオフの精度に直接反映され、これはまた$87\%$に近づきます。
これは将来の無線ネットワークにおいて高い信頼性と低レイテンシを実現する、有望な方向を強調している。
関連論文リスト
- 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) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳(メタデータ) (2022-08-17T03:00:24Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳(メタデータ) (2022-06-20T16:03:45Z) - Computer Vision Aided Blockage Prediction in Real-World Millimeter Wave
Deployments [11.842197872454848]
本稿では,インフラストラクチャノードに設置したカメラが捉えた視覚データを処理するコンピュータビジョンベースのソリューションを開発する。
採用されている実世界のデータセットに基づいて、開発済みのソリューションは、将来発生する障害を予測する上で、$approx 90%の精度を実現している。
論文 参考訳(メタデータ) (2022-03-03T18:38:10Z) - Intelligent Blockage Prediction and Proactive Handover for Seamless
Connectivity in Vision-Aided 5G/6G UDNs [8.437758224218648]
超高密度ネットワーク(UDN)におけるモビリティ管理の課題
本稿では,無線信号とオンロード監視システムを利用した新しいメカニズムを提案し,ブロックの可能性を事前に予測し,タイムリーなハンドオーバ(HO)を行う。
その結果,我々のBLK検出とPHOアルゴリズムは,ユーザ接続性および要求品質(QoE)の40%向上を実現していることがわかった。
論文 参考訳(メタデータ) (2022-02-21T16:21:49Z) - IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless
Network Communication Mode [49.734868032441625]
本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。
このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。
本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
論文 参考訳(メタデータ) (2022-02-03T03:34:06Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳(メタデータ) (2022-01-13T15:20:45Z) - Computer Vision Aided URLL Communications: Proactive Service
Identification and Coexistence [17.623847356925964]
既存の超信頼性と低遅延(URLL)と強化されたモバイルブロードバンド(eMBB)サービスのサポートは、無線ネットワークにとって重要な課題です。
本論文では,新規なリソース割り当てアルゴリズムを開発するための新しいフレームワークであるtextitservice IDを提案する。
このフレームワークは、ビジュアルデータ(例えばrgbカメラによるキャプチャ)とディープラーニング(例えばディープニューラルネットワーク)に基づいています。
論文 参考訳(メタデータ) (2021-03-18T17:53:29Z) - Deep Learning for Moving Blockage Prediction using Real Millimeter Wave
Measurements [18.365889583730507]
ミリ波(mmWave)通信は5G以降の重要なコンポーネントである。
視覚リンクラインの突然の遮断は、ネットワークの信頼性に影響を与える突然の切断につながります。
我々は,ブロック前シグネチャと呼ぶものを観測することで,将来のブロックを予測する機械学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-01-18T05:34:37Z) - Enabling certification of verification-agnostic networks via
memory-efficient semidefinite programming [97.40955121478716]
本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。
L-inf の精度は 1% から 88% ,6% から 40% に改善した。
また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
論文 参考訳(メタデータ) (2020-10-22T12:32:29Z) - Vision-Aided Dynamic Blockage Prediction for 6G Wireless Communication
Networks [11.626009272815816]
本稿では,テクトダイナミックリンクブロックを積極的に予測する新しい手法を提案する。
観測されたRGB画像とビームフォーミングベクターのシーケンスから、将来のリンクブロックを予測する方法を学ぶ。
リンクブロック予測精度は86%であり、視覚的データを使わずに一致しない。
論文 参考訳(メタデータ) (2020-06-17T14:37:38Z)
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。