Fugu-MT 論文翻訳(概要): Vehicular Visible Light Communications Noise Analysis and Autoencoder Based Denoising

論文の概要: Vehicular Visible Light Communications Noise Analysis and Autoencoder Based Denoising

arxiv url: http://arxiv.org/abs/2111.10588v1
Date: Sat, 20 Nov 2021 13:32:39 GMT
ステータス: 処理完了
システム内更新日: 2021-11-26 03:06:47.306957
Title: Vehicular Visible Light Communications Noise Analysis and Autoencoder Based Denoising
Title（参考訳）: 車両用可視光通信ノイズ解析とオートエンコーダによるデニュージング
Authors: Bugra Turan, O. Nuri Koc, Emrah Kar and Sinem Coleri
Abstract要約: 車両間可視光通信(V-VLC)は、車両間通信(V2V)と車両間通信(V2I)のための有望なインテリジェント輸送システム(ITS)技術である。 V-VLCシステムの性能劣化要因はノイズである。従来の無線周波数(RF)ベースのシステムとは異なり、V-VLCシステムには太陽放射、車両からの背景照明、道路、駐車場、トンネル灯など多くのノイズ源が含まれている。
参考スコア（独自算出の注目度）: 3.441021278275805
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vehicular visible light communications (V-VLC) is a promising intelligent transportation systems (ITS) technology for vehicle-to-vehicle (V2V) and vehicle-to-infrastructure (V2I) communications with the utilization of light-emitting diodes (LEDs). The main degrading factor for the performance of V-VLC systems is noise. Unlike traditional radio frequency (RF) based systems, V-VLC systems include many noise sources: solar radiation, background lighting from vehicles, streets, parking garages, and tunnel lights. Traditional V-VLC system noise modeling is based on the additive white Gaussian noise assumption in the form of shot and thermal noise. In this paper, to investigate both time-correlated and white noise components of the V-VLC channel, we propose a noise analysis based on Allan variance (AVAR), which provides a time-series analysis method to identify noise from the data. We also propose a generalized Wiener process-based V-VLC channel noise synthesis methodology to generate different noise components. We further propose a convolutional autoencoder(CAE) based denoising scheme to reduce V-VLC signal noise, which achieves reconstruction root mean square error (RMSE) of 0.0442 and 0.0474 for indoor and outdoor channels, respectively.
Abstract（参考訳）: 車両間可視光通信(V-VLC)は、発光ダイオード(LED)を利用した車両間通信(V2V)および車両間可視光通信(V2I)のための有望なインテリジェント輸送システム(ITS)技術である。 v-vlcシステムの性能低下の主な要因はノイズである。従来のrfベースシステムとは異なり、v-vlcシステムは太陽放射、車両からの背景照明、通り、駐車場、トンネル灯など多くのノイズ源を含んでいる。従来のV-VLCシステムノイズモデリングは、ショットノイズとサーマルノイズという形で付加的な白色ガウスノイズ仮定に基づいている。本稿では,V-VLCチャネルの時間関連ノイズ成分と白色ノイズ成分について検討するため,データからノイズを識別するための時系列解析手法であるAllan variance (AVAR) に基づくノイズ分析を提案する。また、Wenerプロセスに基づくV-VLCチャネルノイズ合成手法を提案し、異なるノイズ成分を生成する。さらに,V-VLC信号ノイズを低減するための畳み込みオートエンコーダ(CAE)に基づく復調方式を提案し,室内および屋外のチャネルに対してそれぞれ0.0442と0.00474の再構成ルート平均二乗誤差(RMSE)を実現する。

関連論文リスト

Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文参考訳（メタデータ） (2024-04-02T13:43:08Z)
LC4SV: A Denoising Framework Learning to Compensate for Unseen Speaker Verification Models [41.228425912671995]
音声強調(SE)モジュールは、フロントエンド戦略として使用できる。既存のSEメソッドは、SEモデルの予測信号のアーチファクトのため、下流のSVシステムにパフォーマンス改善をもたらすことができない。本稿では,未知の下流SVモデルのプリプロセッサとして機能するLC4SVという汎用デノベ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） (2023-11-28T08:44:04Z)
Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise [54.0185721303932]
本稿では,行関連の画像ノイズを処理できる,教師なしのディープラーニングベースデノイザについて紹介する。提案手法では,特殊設計の自己回帰デコーダを備えた変分オートエンコーダを用いる。本手法では,事前学習した雑音モデルを必要としないため,雑音のないデータを用いてスクラッチから訓練することができる。
論文参考訳（メタデータ） (2023-10-11T20:48:20Z)
Audio-Visual Dataset and Method for Anomaly Detection in Traffic Videos [81.10098876541322]
そこで本研究では,MAVADと呼ばれる実世界のシーンから得られたトラフィック異常検出のための最初の音声視覚データセットについて紹介する。本稿では,映像系列から抽出した視覚的特徴と音声的特徴をクロスアテンションを用いて組み合わせ,異常を検出するAVACAという手法を提案する。
論文参考訳（メタデータ） (2023-05-24T12:02:42Z)
VideoFusion: Decomposed Diffusion Models for High-Quality Video Generation [88.49030739715701]
本研究は, フレームごとのノイズを, 全フレーム間で共有されるベースノイズ, 時間軸に沿って変化する残雑音に分解することで, 拡散過程を分解する。様々なデータセットの実験により,ビデオフュージョンと呼ばれる我々の手法が,高品質なビデオ生成において,GANベースと拡散ベースの両方の選択肢を上回ることが確認された。
論文参考訳（メタデータ） (2023-03-15T02:16:39Z)
CFNet: Conditional Filter Learning with Dynamic Noise Estimation for Real Image Denoising [37.29552796977652]
本稿では、カメラ内信号処理パイプラインを用いた異方性ガウス/ポアソンガウス分布によって近似された実雑音について考察する。本稿では,特徴位置の異なる最適なカーネルを画像とノイズマップの局所的特徴により適応的に推定できる条件付きフィルタを提案する。また,CNN構造にノイズ推定や非ブラインド復調を行う場合,反復的特徴復調を導出する前に連続的にノイズを更新すると考える。
論文参考訳（メタデータ） (2022-11-26T14:28:54Z)
Learning Task-Oriented Flows to Mutually Guide Feature Alignment in Synthesized and Real Video Denoising [137.5080784570804]
Video Denoisingは、クリーンなノイズを回復するためにビデオからノイズを取り除くことを目的としている。既存の研究によっては、近辺のフレームから追加の空間的時間的手がかりを利用することで、光学的流れがノイズ発生の助けとなることが示されている。本稿では,様々なノイズレベルに対してより堅牢なマルチスケール光フロー誘導型ビデオデノイング法を提案する。
論文参考訳（メタデータ） (2022-08-25T00:09:18Z)
LDPC codes: tracking non-stationary channel noise using sequential variational Bayesian estimates [0.0]
LDPC符号における非定常信号-雑音比の逐次学習法を提案する。実世界の5Gドライブテストデータを用いて提案手法の評価を行った。
論文参考訳（メタデータ） (2022-04-13T12:55:02Z)
DiffSVC: A Diffusion Probabilistic Model for Singing Voice Conversion [51.83469048737548]
本稿では拡散確率モデルに基づくSVCシステムであるDiffSVCを提案する。 DiffSVCでは、破壊されたメルスペクトログラムとその対応するステップ情報を入力として、付加されたガウスノイズを予測するデノナイジングモジュールを訓練する。実験により、DiffSVCは、現在の最先端SVCアプローチと自然性および音声類似性の観点から、優れた変換性能が得られることが示された。
論文参考訳（メタデータ） (2021-05-28T14:26:40Z)
PRVNet: A Novel Partially-Regularized Variational Autoencoders for Massive MIMO CSI Feedback [15.972209500908642]
ユーザ装置(UE)は、多重出力多重出力周波数分割二重化(MIMO-FDD)システムにおいて、ダウンリンクチャネル状態情報(CSI)を基地局に送信し、リンク状況を報告する。本稿では,変分オートエンコーダ(VAE)にインスパイアされたニューラルネットワークアーキテクチャであるPRVNetを紹介し,基地局に送信する前にCSI行列を圧縮する。
論文参考訳（メタデータ） (2020-11-09T04:07:45Z)

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。