論文の概要: Neural Augmentation of Kalman Filter with Hypernetwork for Channel Tracking

• arxiv url: http://arxiv.org/abs/2109.12561v1
• Date: Sun, 26 Sep 2021 10:59:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:40:55.249136
• Title: Neural Augmentation of Kalman Filter with Hypernetwork for Channel Tracking
• Title（参考訳）: チャンネル追跡のためのハイパーネットワークを用いたカルマンフィルタの神経増強
• Authors: Kumar Pratik, Rana Ali Amjad, Arash Behboodi, Joseph B. Soriaga, Max Welling
• Abstract要約: 動的に異なる複数のアプリケーションを追跡するために,Hypernetwork Kalman Filter (HKF)を提案する。 HKFはカルマンフィルタの一般化パワーとニューラルネットワークの表現力を組み合わせたものである。
• 参考スコア（独自算出の注目度）: 65.79881335044539
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Hypernetwork Kalman Filter (HKF) for tracking applications with multiple different dynamics. The HKF combines generalization power of Kalman filters with expressive power of neural networks. Instead of keeping a bank of Kalman filters and choosing one based on approximating the actual dynamics, HKF adapts itself to each dynamics based on the observed sequence. Through extensive experiments on CDL-B channel model, we show that the HKF can be used for tracking the channel over a wide range of Doppler values, matching Kalman filter performance with genie Doppler information. At high Doppler values, it achieves around 2dB gain over genie Kalman filter. The HKF generalizes well to unseen Doppler, SNR values and pilot patterns unlike LSTM, which suffers from severe performance degradation.
• Abstract（参考訳）: 動的に異なるアプリケーションを追跡するために,Hypernetwork Kalman Filter (HKF)を提案する。 HKFはカルマンフィルタの一般化パワーとニューラルネットワークの表現力を組み合わせたものである。 カルマンフィルターのバンクを保持して、実際のダイナミクスを近似したものを選ぶ代わりに、HKFは観測シーケンスに基づいて各ダイナミクスに適応する。 CDL-Bチャネルモデルに関する広範な実験を通して、HKFは、カルマンフィルタの性能とジェニードップラー情報とを一致させて、幅広いドップラー値のチャネルを追跡できることを示す。 高ドップラー値では、ジェニーカルマンフィルタよりも約2dBのゲインが得られる。 HKFは、厳格な性能劣化に苦しむLSTMとは異なり、見えないドップラー、SNR値、パイロットパターンを一般化する。

関連論文リスト

• A competitive baseline for deep learning enhanced data assimilation using conditional Gaussian ensemble Kalman filtering [0.0]
  条件付きガウスEnKF(CG-EnKF)と正常スコアEnKF(NS-EnKF)の2つの非線形拡張について検討した。 我々はこれらのモデルを、スコアフィルタ(SF)と呼ばれる最先端のディープラーニングに基づく粒子フィルタと比較する。 解析の結果,CG-EnKFとNS-EnKFは非ガウス的な雑音摂動を処理できることがわかった。
  論文  参考訳（メタデータ） (2024-09-22T02:54:33Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Music Enhancement with Deep Filters: A Technical Report for The ICASSP 2024 Cadenza Challenge [9.148696434829189]
  この課題では、DeepfilterNetからディープフィルタを分離し、Spec-UNetベースのネットワークに組み込んで、ハイブリッドなDemucs(hdemucs)ベースのリミックスパイプラインをさらに改善します。
  論文  参考訳（メタデータ） (2024-04-17T07:01:29Z)
• Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object Tracking [3.5693768338940304]
  本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。 最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。 第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
  論文  参考訳（メタデータ） (2024-02-15T10:47:44Z)
• Deep Kalman Filters Can Filter [9.131190818372474]
  ディープカルマンフィルタ(ディープカルマンろく、英: Deep Kalman filters、DKF)は、シーケンシャルデータからガウス確率測度を生成するニューラルネットワークモデルである。 DKFはカルマンフィルタにインスパイアされるが、フィルター問題と具体的な理論的関係は欠如している。 連続時間DKFは、非マルコフおよび条件付きガウス信号プロセスの幅広いクラスで条件法則を実装可能であることを示す。
  論文  参考訳（メタデータ） (2023-10-30T14:58:12Z)
• KalmanNet: Neural Network Aided Kalman Filtering for Partially Known Dynamics [84.18625250574853]
  KalmanNetは、データから学習し、非線形力学の下でKalmanフィルタを実行するリアルタイム状態推定器である。 我々は、KalmanNetが非線形性とモデルミスマッチを克服し、古典的なフィルタリング手法より優れていることを数値的に示す。
  論文  参考訳（メタデータ） (2021-07-21T12:26:46Z)
• Variational Autoencoders: A Harmonic Perspective [79.49579654743341]
  本研究では,高調波解析の観点から変分オートエンコーダ(VAE)について検討する。 VAEのエンコーダ分散は、VAEエンコーダとデコーダニューラルネットワークによってパラメータ化された関数の周波数内容を制御する。
  論文  参考訳（メタデータ） (2021-05-31T10:39:25Z)
• Decoupled Dynamic Filter Networks [85.38058820176047]
  これらの欠点を同時に解決できるDDF(Decoupled Dynamic Filter)を提案します。 最近の注目の高まりに触発されて、DDFは深度ワイドなダイナミックフィルタを空間的およびチャネル的ダイナミックフィルタに分離する。 分類ネットワークにおける標準畳み込みをDFFに置き換える際の性能向上を観察する。
  論文  参考訳（メタデータ） (2021-04-29T04:55:33Z)
• Neural Kalman Filtering [62.997667081978825]
  カルマンフィルタの勾配差近似は,差分重み付き予測誤差を持つ局所計算のみを必要とすることを示す。 また、同じスキームの下では、ヘビアン可塑性に直接対応する学習規則で動的モデルを適応的に学習することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-19T16:43:15Z)
• Feedback Capacity of Parallel ACGN Channels and Kalman Filter: Power Allocation with Feedback [30.590501280252948]
  我々は、ACGNチャネルのフィードバック能力の低い境界をフィードバックで取得する。 その結果,1つのACGNフィードバックチャネルの場合,既存の下位境界に還元されることがわかった。
  論文  参考訳（メタデータ） (2021-02-04T16:40:38Z)

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。