論文の概要: DQLEL: Deep Q-Learning for Energy-Optimized LoS/NLoS UWB Node Selection
- arxiv url: http://arxiv.org/abs/2108.13157v1
- Date: Tue, 24 Aug 2021 19:15:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-05 09:46:57.836138
- Title: DQLEL: Deep Q-Learning for Energy-Optimized LoS/NLoS UWB Node Selection
- Title（参考訳）: DQLEL:エネルギー最適化LoS/NLoS UWBノード選択のための深いQラーニング
- Authors: Zohreh Hajiakhondi-Meybodi, Arash Mohammadi, Ming Hou, Konstantinos N.
Plataniotis
- Abstract要約: 複雑なNon Line of Sight(NLoS)緩和手法を使わずに、位置精度を向上させるための効率的なノード選択フレームワークを提案する。
モバイルユーザは、TDoAフレームワークに基づいて、最適なUWBビーコンのペアをローカライズするように自律的に訓練される。
提案するDQLELフレームワークの有効性を,リンク条件,UWBビーコンの残電池寿命のずれ,位置誤差,累積報酬の観点から評価した。
- 参考スコア（独自算出の注目度）: 39.51375711937119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advancements in Internet of Things (IoTs) have brought about a surge
of interest in indoor positioning for the purpose of providing reliable,
accurate, and energy-efficient indoor navigation/localization systems. Ultra
Wide Band (UWB) technology has been emerged as a potential candidate to satisfy
the aforementioned requirements. Although UWB technology can enhance the
accuracy of indoor positioning due to the use of a wide-frequency spectrum,
there are key challenges ahead for its efficient implementation. On the one
hand, achieving high precision in positioning relies on the
identification/mitigation Non Line of Sight (NLoS) links, leading to a
significant increase in the complexity of the localization framework. On the
other hand, UWB beacons have a limited battery life, which is especially
problematic in practical circumstances with certain beacons located in
strategic positions. To address these challenges, we introduce an efficient
node selection framework to enhance the location accuracy without using complex
NLoS mitigation methods, while maintaining a balance between the remaining
battery life of UWB beacons. Referred to as the Deep Q-Learning
Energy-optimized LoS/NLoS (DQLEL) UWB node selection framework, the mobile user
is autonomously trained to determine the optimal pair of UWB beacons to be
localized based on the 2-D Time Difference of Arrival (TDoA) framework. The
effectiveness of the proposed DQLEL framework is evaluated in terms of the link
condition, the deviation of the remaining battery life of UWB beacons, location
error, and cumulative rewards. Based on the simulation results, the proposed
DQLEL framework significantly outperformed its counterparts across the
aforementioned aspects.
- Abstract（参考訳）: モノのインターネット(IoT)の最近の進歩は、信頼性、正確、エネルギー効率の高い屋内ナビゲーション/ローカライゼーションシステムを提供することを目的として、屋内位置決めへの関心が高まっている。
UWB(Ultra Wide Band)技術は、上記の要件を満たすための候補として浮上している。
UWB技術は、広帯域を用いた屋内位置決めの精度を高めることができるが、その効率的な実装には大きな課題がある。
一方、位置決めにおける高精度化は、Non Line of Sight (NLoS) リンクの識別/緩和に依存し、ローカライゼーションフレームワークの複雑さが著しく増大する。
一方、UWBビーコンは電池寿命が限られており、特に戦略的な位置にある特定のビーコンの実際の状況では問題となる。
これらの課題に対処するため,UWBビーコンの残バッテリ寿命のバランスを維持しつつ,複雑なNLoS緩和手法を使わずに位置精度を向上させるための効率的なノード選択フレームワークを提案する。
モバイルユーザは、DQLEL(Deep Q-Learning Energy-Optimized LoS/NLoS)UWBノード選択フレームワークを参照して、Arival(TDoA)フレームワークの2次元時間差に基づいて、UWBビーコンの最適ペアを決定するために自律的に訓練される。
提案するDQLELフレームワークの有効性を,リンク条件,UWBビーコンの残電池寿命のずれ,位置誤差,累積報酬の観点から評価した。
シミュレーション結果に基づいて,提案するdqlelフレームワークは,上記の側面をはるかに上回っている。
関連論文リスト
- Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with
Online Learning [60.17407932691429]
基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。
本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。
提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
論文 参考訳（メタデータ） (2023-09-04T17:30:21Z) - 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) - Deep reinforcement learning for automatic run-time adaptation of UWB PHY
radio settings [3.7885834570803842]
本稿では,信頼性の高いUWB通信の実現,パケット受信率(PRR)の最大化,エネルギー消費の最小化を目的とした深層Q-ラーニング手法を提案する。
その結果, 動的オフィス環境における固定PHY設定に比べて14%のエネルギーしか使用せず, 高い平均PRRを実現し, レンジ誤差を低減できることがわかった。
論文 参考訳（メタデータ） (2022-10-13T13:47:12Z) - Deep Reinforcement Learning in mmW-NOMA: Joint Power Allocation and
Hybrid Beamforming [0.0]
ミリ波(mmW)周波数帯域における非直交多重アクセス(NOMA)アプローチにより、データレートの高要求が保証される。
mmW-NOMAシステムの連系電力配分とハイブリッドビームフォーミングは、機械学習と制御理論のアプローチの最近の進歩によってもたらされる。
論文 参考訳（メタデータ） (2022-05-13T07:55:48Z) - JUNO: Jump-Start Reinforcement Learning-based Node Selection for UWB
Indoor Localization [16.633804827001285]
モバイルユーザとUWBビーコン間のNon Line of Sight(NLoS)接続により,UWBベースのローカライゼーションシステムの性能が著しく低下する可能性がある。
我々は,複雑なNLoS識別・軽減手法に頼ることなく,リアルタイムな位置予測を行う,Jump-start RLベースのUWB NOde選択フレームワークを提案する。
提案したJUNOフレームワークの有効性は,モバイルユーザがNLoS接続を確立する可能性の高い超高密度屋内環境をランダムに移動する位置誤差の観点から評価する。
論文 参考訳（メタデータ） (2022-05-06T23:48:49Z) - Federated Learning for Energy-limited Wireless Networks: A Partial Model
Aggregation Approach [79.59560136273917]
デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである
まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。
提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
論文 参考訳（メタデータ） (2022-04-20T19:09:52Z) - Anomaly Detection Based on Generalized Gaussian Distribution approach
for Ultra-Wideband (UWB) Indoor Positioning System [1.8619310493118186]
本稿では,Gaussian Distribution (GD) とGeneralized Gaussian Distribution (GGD) アルゴリズムに基づく異常検出手法を用いて,Non-Line-of-Sight (NLoS) 成分の検出と同定を行う。
シミュレーションの結果,提案手法はNLoS信号の分類精度を向上するロバストなNLoS成分同定を実現することができることが示された。
論文 参考訳（メタデータ） (2021-08-09T11:54:11Z) - JUMBO: Scalable Multi-task Bayesian Optimization using Offline Data [86.8949732640035]
追加データをクエリすることで制限をサイドステップするMBOアルゴリズムであるJUMBOを提案する。
GP-UCBに類似した条件下では, 応答が得られないことを示す。
実世界の2つの最適化問題に対する既存手法に対する性能改善を実証的に示す。
論文 参考訳（メタデータ） (2021-06-02T05:03:38Z) - Learning-based Bias Correction for Time Difference of Arrival
Ultra-wideband Localization of Resource-constrained Mobile Robots [8.016760287602084]
超広帯域(UWB)到着時間差(TDOA)ベースのローカライゼーションは,多数のデバイスにスケール可能な,軽量で低コストなソリューションとして有望である。
しかし、標準の商用UWB無線のローカライゼーション精度は、しばしば測定バイアスと外れ値のために不十分である。
我々は,(i)学習に基づくバイアス補正と(ii)M推定に基づくロバストフィルタリングを併用して,アウトレーヤを扱う頑健なUWB TDOAローカライゼーションフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-02T17:31:32Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T14:37:38Z)
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。