論文の概要: Rethinking the Tradeoff in Integrated Sensing and Communication:
Recognition Accuracy versus Communication Rate
- arxiv url: http://arxiv.org/abs/2107.09621v1
- Date: Tue, 20 Jul 2021 17:00:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-21 14:43:04.745566
- Title: Rethinking the Tradeoff in Integrated Sensing and Communication:
Recognition Accuracy versus Communication Rate
- Title(参考訳): 統合センシングとコミュニケーションにおけるトレードオフの再考:認識精度と通信速度
- Authors: Guoliang Li, Shuai Wang, Jie Li, Rui Wang, Fan Liu, Meihong Zhang,
Xiaohui Peng, and Tony Xiao Han
- Abstract要約: ISAC(Integrated Sensistance and Communication)は、バンド利用効率を向上させるための有望な技術である。
センシング性能と通信性能の間にはトレードオフがある。
本稿では、認識精度と通信データレートを同時に最大化する多目的最適化問題を定式化し、解決する。
- 参考スコア(独自算出の注目度): 21.149708253108788
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integrated sensing and communication (ISAC) is a promising technology to
improve the band-utilization efficiency via spectrum sharing or hardware
sharing between radar and communication systems. Since a common radio resource
budget is shared by both functionalities, there exists a tradeoff between the
sensing and communication performance. However, this tradeoff curve is
currently unknown in ISAC systems with human motion recognition tasks based on
deep learning. To fill this gap, this paper formulates and solves a
multi-objective optimization problem which simultaneously maximizes the
recognition accuracy and the communication data rate. The key ingredient of
this new formulation is a nonlinear recognition accuracy model with respect to
the wireless resources, where the model is derived from power function
regression of the system performance of the deep spectrogram network. To avoid
cost-expensive data collection procedures, a primitive-based autoregressive
hybrid (PBAH) channel model is developed, which facilitates efficient training
and testing dataset generation for human motion recognition in a virtual
environment. Extensive results demonstrate that the proposed wireless
recognition accuracy and PBAH channel models match the actual experimental data
very well. Moreover, it is found that the accuracy-rate region consists of a
communication saturation zone, a sensing saturation zone, and a
communication-sensing adversarial zone, of which the third zone achieves the
desirable balanced performance for ISAC systems.
- Abstract(参考訳): ISAC(Integrated Sensor and Communication)は、レーダーと通信システム間のスペクトル共有やハードウェア共有を通じて、バンド利用効率を向上させるための有望な技術である。
共通の無線資源予算は両方の機能によって共有されるため、センシングと通信性能の間にトレードオフが存在する。
しかし、このトレードオフ曲線は現在、深層学習に基づく人間の動作認識タスクを持つISACシステムでは未知である。
このギャップを埋めるために,認識精度と通信データレートを同時に最大化する多目的最適化問題を定式化し,解決する。
この新定式化の鍵となる要素は、無線リソースに対する非線形認識精度モデルであり、このモデルは、ディープスペクトログラムネットワークのシステム性能の電力関数回帰から導かれる。
費用対効果のあるデータ収集の手順を回避するため,仮想環境における人間の動作認識のためのデータセット生成の効率的なトレーニングとテストを容易にするプリミティブベース自己回帰ハイブリッド(PBAH)チャネルモデルを開発した。
その結果,提案する無線認識精度とpbahチャネルモデルが実際の実験データと非常によく一致することがわかった。
さらに, 高精度領域は, 通信飽和領域, センシング飽和領域, 通信感知対向領域からなり, 第三ゾーンはISACシステムに対して望ましいバランス性能を達成する。
関連論文リスト
- Latent Diffusion Model-Enabled Real-Time Semantic Communication Considering Semantic Ambiguities and Channel Noises [18.539501941328393]
本稿では, 遅延拡散モデル対応SemComシステムを構築し, 既存システムと比較して3つの改良点を提案する。
軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。
終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
論文 参考訳(メタデータ) (2024-06-09T23:39:31Z) - 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) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳(メタデータ) (2023-12-08T13:50:30Z) - RIS-Based On-the-Air Semantic Communications -- a Diffractional Deep
Neural Network Approach [10.626169088908867]
現在のAIベースのセマンティックコミュニケーション手法は実装にデジタルハードウェアを必要とする。
RISベースのセマンティックコミュニケーションは、光速計算、計算能力の低さ、複数のタスクを同時に処理する能力など、魅力的な機能を提供する。
論文 参考訳(メタデータ) (2023-12-01T12:15:49Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳(メタデータ) (2023-03-03T23:46:25Z) - Neuromorphic Integrated Sensing and Communications [28.475406916976247]
ニューロモルフィック統合センシングと通信(N-ISAC)を導入し,効率的なオンラインデータデコーディングとレーダセンシングを実現する。
N-ISACは、デジタル情報を伝達し、レーダーターゲットの有無を検出するために、共通のIR波形を利用する。
受信機にスパイキングニューラルネットワーク(SNN)を配置し、デジタルデータを復号し、受信した信号から直接レーダーターゲットを検出する。
論文 参考訳(メタデータ) (2022-09-24T00:23:25Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳(メタデータ) (2022-07-03T06:57:07Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳(メタデータ) (2022-05-02T12:23:55Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳(メタデータ) (2022-02-26T14:51:02Z) - Path Design and Resource Management for NOMA enhanced Indoor Intelligent
Robots [58.980293789967575]
通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。
室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。
調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
論文 参考訳(メタデータ) (2020-11-23T21:45:01Z) - Real-Time Radio Technology and Modulation Classification via an LSTM
Auto-Encoder [29.590446724625693]
雑音の多い無線信号から安定かつロバストな特徴を自動的に抽出するLSTMデノケーションオートエンコーダに基づく学習フレームワークを提案する。
現実的な合成と無線データのオーバー・ザ・エアにより,提案手法が受信した無線信号を確実に効率的に分類できることが実証された。
論文 参考訳(メタデータ) (2020-11-16T21:41:31Z)
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。