論文の概要: Coverage Hole Detection for mmWave Networks: An Unsupervised Learning Approach

• arxiv url: http://arxiv.org/abs/2108.07854v1
• Date: Tue, 17 Aug 2021 19:55:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-20 00:17:37.965225
• Title: Coverage Hole Detection for mmWave Networks: An Unsupervised Learning Approach
• Title（参考訳）: mmwaveネットワークのカバレッジホール検出:教師なし学習アプローチ
• Authors: Chethan K. Anjinappa and Ismail Guvenc
• Abstract要約: mmWaveバンドの遮断は、無線環境にカバレッジホール(CH)を引き起こす可能性があるため、ユーザがCHに入ると、無線リンクが失敗する。 本稿では,最先端の多様体学習技術を用いて,教師なし方式でCHを識別する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The utilization of millimeter-wave (mmWave) bands in 5G networks poses new challenges to network planning. Vulnerability to blockages at mmWave bands can cause coverage holes (CHs) in the radio environment, leading to radio link failure when a user enters these CHs. Detection of the CHs carries critical importance so that necessary remedies can be introduced to improve coverage. In this letter, we propose a novel approach to identify the CHs in an unsupervised fashion using a state-of-the-art manifold learning technique: uniform manifold approximation and projection. The key idea is to preserve the local-connectedness structure inherent in the collected unlabelled channel samples, such that the CHs from the service area are detectable. Our results on the DeepMIMO dataset scenario demonstrate that the proposed method can learn the structure within the data samples and provide visual holes in the low-dimensional embedding while preserving the CH boundaries. Once the CH boundary is determined in the low-dimensional embedding, channel-based localization techniques can be applied to these samples to obtain the geographical boundaries of the CHs.
• Abstract（参考訳）: 5Gネットワークにおけるミリ波帯の利用は,ネットワーク計画に新たな課題をもたらす。 mmWaveバンドでのブロッキングの脆弱性は、無線環境におけるカバレッジホール(CH)を引き起こし、ユーザがCHに入ると無線リンクが故障する。 CHの検出は重要であり、カバーを改善するために必要な対策を導入することができる。 本稿では,一様多様体近似と投影という最先端の多様体学習手法を用いて,教師なし方式でCHを識別する手法を提案する。 鍵となるアイデアは、サービスエリアのchが検出可能なように、収集されたラベルなしチャネルサンプルに固有のローカル接続構造を保存することである。 deepmimoデータセットのシナリオで得られた結果は,提案手法がデータサンプルの構造を学習し,ch境界を維持しながら低次元埋め込みに視覚ホールを提供することを実証するものである。 低次元埋め込みでCH境界が決定されると、チャネルベースのローカライゼーション技術がこれらのサンプルに適用され、CHの地理的境界が得られる。

関連論文リスト

• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。 本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。 空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。 チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Eavesdropper localization for quantum and classical channels via nonlinear scattering [58.720142291102135]
  量子鍵分布(QKD)は物理学の法則に基づく理論的セキュリティを提供する。 本稿では,古典的チャネルだけでなく,量子的チャネルにも応用可能なeavesdropper位置に関する新しいアプローチを提案する。 提案手法は, 標準光ファイバ内部のcm精度で1%のエバネッセントアウトカップリングを局在させる作業において, 従来のOTDRよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-25T21:06:27Z)
• Context-Preserving Instance-Level Augmentation and Deformable Convolution Networks for SAR Ship Detection [50.53262868498824]
  ランダムな方向と部分的な情報損失によるSAR画像のターゲット形状の変形は、SAR船の検出において必須の課題である。 ターゲット内の部分的な情報損失に頑健なディープネットワークをトレーニングするためのデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-02-14T07:01:01Z)
• 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)
• A Convolutional Neural Network-based Approach to Field Reconstruction [0.0]
  多くのアプリケーションでは、スパイクや不連続性、危険な不均一性を検出するために、フィールドの空間分布を注意深く監視する必要がある。 この研究では、これらの要求に対処できる物理インフォームドなデータ駆動アルゴリズムが提示される。
  論文  参考訳（メタデータ） (2021-08-27T00:16:44Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• End-to-end Deep Learning Methods for Automated Damage Detection in Extreme Events at Various Scales [0.4297070083645048]
  Mask R-CNNは、地震などの極端な発生時に損傷を受ける可能性のある構造物やその構成要素の亀裂を自動的に検出するために提案され、試験されている。 我々は、トレーニングと検証のために2,021のラベル付き画像を用いた新しいデータセットをキュレートし、フィールドのひび割れ検出のためのエンドツーエンドのディープニューラルネットワークを見つけることを目的とした。
  論文  参考訳（メタデータ） (2020-11-05T21:21:19Z)
• DNS Covert Channel Detection via Behavioral Analysis: a Machine Learning Approach [0.09176056742068815]
  本稿では,ネットワーク監視システムから受動的に抽出されたDNSネットワークデータの解析に基づいて,効果的な隠蔽チャネル検出手法を提案する。 提案手法は15日間の実験実験で評価され,最も関連する流出・トンネル攻撃をカバーするトラフィックを注入した。
  論文  参考訳（メタデータ） (2020-10-04T13:28:28Z)
• A Machine Learning Solution for Beam Tracking in mmWave Systems [33.1010771477611]
  現実シナリオにおける特定の経路に対する到着角(AoA)を追跡するための機械学習ベースのアプローチを探索する。 本稿では,ネットワークを逐次データでトレーニングする手法を提案し,提案手法の性能を拡張Kalmanフィルタ法と比較した。
  論文  参考訳（メタデータ） (2019-12-29T06:18:54Z)

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。