論文の概要: OpenCSI: An Open-Source Dataset for Indoor Localization Using CSI-Based
Fingerprinting
- arxiv url: http://arxiv.org/abs/2104.07963v1
- Date: Fri, 16 Apr 2021 08:31:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-19 23:20:41.751672
- Title: OpenCSI: An Open-Source Dataset for Indoor Localization Using CSI-Based
Fingerprinting
- Title(参考訳): OpenCSI: CSIベースのフィンガープリントを用いた屋内ローカライズのためのオープンソースデータセット
- Authors: Arthur Gassner, Claudiu Musat, Alexandru Rusu and Andreas Burg
- Abstract要約: フィンガープリントに基づくローカライゼーション手法はこの問題の解決法を提案するが、取得に労力を要する無線マップに依存している。
ソフトウェア定義無線(SDR)と車輪付きロボットを用いて,無線マップ取得フェーズを自動化する。
本研究では,畳み込みニューラルネットワークを用いて位置座標を推定する最初の局在化実験について述べる。
- 参考スコア(独自算出の注目度): 73.9222625243696
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many applications require accurate indoor localization. Fingerprint-based
localization methods propose a solution to this problem, but rely on a radio
map that is effort-intensive to acquire. We automate the radio map acquisition
phase using a software-defined radio (SDR) and a wheeled robot. Furthermore, we
open-source a radio map acquired with our automated tool for a 3GPP Long-Term
Evolution (LTE) wireless link. To the best of our knowledge, this is the first
publicly available radio map containing channel state information (CSI).
Finally, we describe first localization experiments on this radio map using a
convolutional neural network to regress for location coordinates.
- Abstract(参考訳): 多くのアプリケーションは正確な屋内局在を必要とする。
フィンガープリントに基づくローカライゼーション手法はこの問題の解決法を提案するが、取得に労力を要する無線マップに依存している。
ソフトウェア定義無線(SDR)と車輪付きロボットを用いて,無線マップ取得フェーズを自動化する。
さらに3GPP長寿命進化(LTE)無線リンクのための自動ツールで取得した無線マップをオープンソース化した。
我々の知る限りでは、チャネル状態情報(CSI)を含む最初の公開無線地図である。
最後に,畳み込みニューラルネットワークを用いて,この無線地図上で最初の局所化実験を行い,位置座標の回帰について述べる。
関連論文リスト
- Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。
本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
論文 参考訳(メタデータ) (2024-02-05T05:01:28Z) - Look, Radiate, and Learn: Self-Supervised Localisation via Radio-Visual
Correspondence [1.6219158909792257]
次世代の携帯電話ネットワークは、無線センシング機能と慣用通信を実装している。
我々は、無線の正確な位置決めを容易にする合成無線視覚データセットとベンチマークであるMaxRayを提示する。
無線ローカライザネットワークのトレーニングには,このような自己監督座標を用いる。
論文 参考訳(メタデータ) (2022-06-13T19:08:36Z) - LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法
提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。
推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
論文 参考訳(メタデータ) (2022-02-01T20:27:46Z) - 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) - Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。
本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。
GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。
新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
論文 参考訳(メタデータ) (2020-08-06T07:36:55Z) - 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)
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。