論文の概要: Heading Estimation Using Ultra-Wideband Received Signal Strength and Gaussian Processes

• arxiv url: http://arxiv.org/abs/2109.04868v1
• Date: Fri, 10 Sep 2021 13:28:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-13 13:19:09.705993
• Title: Heading Estimation Using Ultra-Wideband Received Signal Strength and Gaussian Processes
• Title（参考訳）: 超広帯域受信信号強度とガウス過程を用いたヘッド推定
• Authors: Daniil Lisus, Charles Champagne Cossette, Mohammed Shalaby, James Richard Forbes
• Abstract要約: 本文は,UWB範囲と受信信号強度(RSS)の測定値を用いてロボットの進路を推定する方法を実験的に示す。 UWB法とジャイロスコープ法のみを用いる方向推定法を実現するために、不変拡張カルマンフィルタのジャイロスコープを用いる。
• 参考スコア（独自算出の注目度）: 1.6058099298620425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is essential that a robot has the ability to determine its position and orientation to execute tasks autonomously. Heading estimation is especially challenging in indoor environments where magnetic distortions make magnetometer-based heading estimation difficult. Ultra-wideband (UWB) transceivers are common in indoor localization problems. This letter experimentally demonstrates how to use UWB range and received signal strength (RSS) measurements to estimate robot heading. The RSS of a UWB antenna varies with its orientation. As such, a Gaussian process (GP) is used to learn a data-driven relationship from UWB range and RSS inputs to orientation outputs. Combined with a gyroscope in an invariant extended Kalman filter, this realizes a heading estimation method that uses only UWB and gyroscope measurements.
• Abstract（参考訳）: ロボットは、タスクを自律的に実行する位置と方向を決定する能力を持っていることが不可欠である。 磁気歪みが磁力計に基づく方向推定を困難にする屋内環境では、特にヘッド推定は困難である。 ウルトラワイドバンド(UWB)トランシーバーは、屋内のローカライゼーション問題において一般的である。 本文は,UWB範囲と受信信号強度の測定値を用いてロボットの進路を推定する方法を実験的に示す。 UWBアンテナのRSSは方向によって変化する。 ガウス過程(GP)は、UWB範囲とRSS入力から向き出力へのデータ駆動関係を学習するために用いられる。 拡張カルマンフィルタにおけるジャイロスコープと組み合わせることで、UWBとジャイロスコープ測定のみを用いる方向推定法を実現する。

関連論文リスト

• Phase-Based Approaches for Rapid Construction of Magnetic Fields in NV Magnetometry [9.378134074181768]
  本稿では、光検出磁気共鳴(ODMR)信号から磁場を推定する。 ODMR信号の位相推定へのシフトを計算効率の良い手法として提案する。 その結果,提案手法は既存手法に比べて計算時間を著しく短縮することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T08:58:27Z)
• Soil analysis with machine-learning-based processing of stepped-frequency GPR field measurements: Preliminary study [0.0]
  土壌浸透レーダ(GPR)は農業や園芸に関連する土壌パラメータを抽出する手段として広く研究されている。 機械学習(ML)法と組み合わせると、SFCW(Stepped Frequency Countinuous Wave Radar)の高分解能測定により、深さ分解土壌パラメータへの費用対効果が期待できる。
  論文  参考訳（メタデータ） (2024-04-24T16:30:12Z)
• Neural 5G Indoor Localization with IMU Supervision [63.45775390000508]
  無線信号は、ユビキタスであるため、ユーザのローカライゼーションに適しており、暗黒環境で動作し、プライバシを維持することができる。 多くの先行研究は、チャネル状態情報(CSI)と完全に監督された位置の間のマッピングを学ぶ。 本研究は,慣性測定ユニット(IMU)から算出した擬似ラベルを用いて,本要件を緩和するものである。
  論文  参考訳（メタデータ） (2024-02-15T13:51:21Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Beam Management with Orientation and RSRP using Deep Learning for Beyond 5G Systems [6.257440291371456]
  我々は、慣性測定ユニット(IMU)から得られる配向情報を効果的なビーム管理(BM)に利用する。 我々は、リカレントニューラルネットワーク(RNN)を用いて、基準信号受信電力(RSRP)と向き情報とを融合するデータ駆動戦略を用いる。 具体的には、UE方向が急速に変化すると平均RSRPを4.2dBまで向上させ、ビーム予測精度を最大34%向上させる。
  論文  参考訳（メタデータ） (2022-02-04T17:25:48Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• IDOL: Inertial Deep Orientation-Estimation and Localization [18.118289074111946]
  多くのスマートフォンアプリケーションは、運動を感知するために慣性測定装置(IMU)を使用しているが、歩行者の局所化にこれらのセンサーを使用することは困難である。 近年,慣性航法の可能性が高まっている。 本稿では,まず端末の向きを推定し,次にデバイスの位置を推定するコモディティスマートフォンを用いた2段階のデータ駆動パイプラインを提案する。
  論文  参考訳（メタデータ） (2021-02-08T06:41:47Z)

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。