論文の概要: Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach
- arxiv url: http://arxiv.org/abs/2106.12556v4
- Date: Sun, 9 Apr 2023 23:46:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 00:20:48.465663
- Title: Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach
- Title（参考訳）: ラジオマップを用いたリアルタイム屋外位置推定 : 深層学習アプローチ
- Authors: \c{C}a\u{g}kan Yapar, Ron Levie, Gitta Kutyniok, Giuseppe Caire
- Abstract要約: LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
- 参考スコア（独自算出の注目度）: 59.17191114000146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Global Navigation Satellite Systems typically perform poorly in urban
environments, where the likelihood of line-of-sight conditions between devices
and satellites is low. Therefore, alternative location methods are required to
achieve good accuracy. We present LocUNet: A convolutional, end-to-end trained
neural network (NN) for the localization task, which is able to estimate the
position of a user from the received signal strength (RSS) of a small number of
Base Stations (BS). Using estimations of pathloss radio maps of the BSs and the
RSS measurements of the users to be localized, LocUNet can localize users with
state-of-the-art accuracy and enjoys high robustness to inaccuracies in the
estimations of radio maps. The proposed method does not require generating RSS
fingerprints of each specific area where the localization task is performed and
is suitable for real-time applications. Moreover, two novel datasets that allow
for numerical evaluations of RSS and ToA methods in realistic urban
environments are presented and made publicly available for the research
community. By using these datasets, we also provide a fair comparison of
state-of-the-art RSS and ToA-based methods in the dense urban scenario and show
numerically that LocUNet outperforms all the compared methods.
- Abstract（参考訳）: グローバル・ナビゲーション・サテライト・システムは通常、デバイスと衛星間の視線条件が低い都市環境では性能が良くない。
そのため、精度を高めるためには代替位置法が必要となる。
本稿では、少数の基地局(BS)の受信信号強度(RSS)からユーザの位置を推定できる、ローカライゼーションタスクのための畳み込みエンドツーエンドニューラルネットワーク(NN)を提案する。
そこでLocUNetは,BSのパスロスラジオマップとRSS測定値の局所化を利用して,ユーザを最先端の精度でローカライズし,無線マップの推定における不正確性に高いロバスト性を享受する。
提案手法では, 局所化タスクを行う領域ごとにRSS指紋を生成する必要はなく, リアルタイムアプリケーションに適している。
さらに,現実都市環境におけるrssとtoaの数値評価を可能にする2つの新しいデータセットを提示し,研究コミュニティに公開した。
これらのデータセットを使用することで、都市密集シナリオにおける最先端のRSSとToAに基づく手法の公平な比較を行い、LocUNetが比較した手法のすべてより優れていることを示す。
関連論文リスト
- Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳（メタデータ） (2024-01-12T14:56:45Z) - Constructing Indoor Region-based Radio Map without Location Labels [18.34037687586167]
本稿では、位置ラベルを使わずに受信信号強度(RSS)測定から地域ベースの無線マップを開発する。
構築は、屋内エリアの各地域を正確に1度訪問するデバイスから、盲目的に収集されたRSS測定データに基づいて行われる。
提案手法は, 重み付きセントロイド局在化(WCL)ベースラインと比較して, 領域の局所化誤差を約50%削減する。
論文 参考訳（メタデータ） (2023-08-31T14:27:36Z) - A Deep Learning Approach for Generating Soft Range Information from RF
Data [29.827191184889898]
ソフトレンジ情報(SRI)は、高精度なローカライゼーションのための有望な代替手段を提供する。
RF計測から正確なSRIを生成するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-05-23T10:33:52Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳（メタデータ） (2022-11-28T00:31:02Z) - Dataset of Pathloss and ToA Radio Maps With Localization Application [59.11388233415274]
データセットには、実都市地図における現実的な密集した都市環境の大規模なコレクションに、シミュレートされたパスロス/受信信号強度(RSS)と到着時刻(ToA)ラジオマップが含まれる。
提案データセットの2つの主な応用は,1)入力都市地図からパスロスを予測する学習方法,2)無線の局所化である。
RSSとToAマップが同じ都市マップ上で同じシミュレーションによって計算されているという事実は、RSSとToAベースのローカライゼーション手法を公平に比較することができる。
論文 参考訳（メタデータ） (2022-11-18T20:39:51Z) - 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) - 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。