論文の概要: DeepAoANet: Learning Angle of Arrival from Software Defined Radios with Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2112.00695v1
• Date: Wed, 1 Dec 2021 18:16:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 15:56:28.231075
• Title: DeepAoANet: Learning Angle of Arrival from Software Defined Radios with Deep Neural Networks
• Title（参考訳）: DeepAoANet: ディープニューラルネットワークを用いたソフトウェア定義ラジオから到着角を学習する
• Authors: Zhuangzhuang Dai, Yuhang He, Tran Vu and Niki Trigoni and Andrew Markham
• Abstract要約: 既存のアルゴリズムは、マルチパスの有無や弱い信号システムで動作している場合、AoA(Angle of Arrival)の解決にはあまり役に立たない。 本稿では,SDRマルチチャネルデータの単一スナップショットからAoAを抽出するディープラーニング手法を提案する。 提案手法は, 衝突信号数の決定に優れた信頼性を示し, 平均絶対AoA誤差を2ドル以下で実現した。
• 参考スコア（独自算出の注目度）: 39.65462454049291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Direction finding and positioning systems based on RF signals are significantly impacted by multipath propagation, particularly in indoor environments. Existing algorithms (e.g MUSIC) perform poorly in resolving Angle of Arrival (AoA) in the presence of multipath or when operating in a weak signal regime. We note that digitally sampled RF frontends allow for the easy analysis of signals, and their delayed components. Low-cost Software-Defined Radio (SDR) modules enable Channel State Information (CSI) extraction across a wide spectrum, motivating the design of an enhanced Angle-of-Arrival (AoA) solution. We propose a Deep Learning approach to deriving AoA from a single snapshot of the SDR multichannel data. We compare and contrast deep-learning based angle classification and regression models, to estimate up to two AoAs accurately. We have implemented the inference engines on different platforms to extract AoAs in real-time, demonstrating the computational tractability of our approach. To demonstrate the utility of our approach we have collected IQ (In-phase and Quadrature components) samples from a four-element Universal Linear Array (ULA) in various Light-of-Sight (LOS) and Non-Line-of-Sight (NLOS) environments, and published the dataset. Our proposed method demonstrates excellent reliability in determining number of impinging signals and realized mean absolute AoA errors less than $2^{\circ}$.
• Abstract（参考訳）: RF信号に基づく方向検出・位置決めシステムは,特に屋内環境において多経路伝搬の影響が大きい。 既存のアルゴリズム(例えばMUSIC)は、マルチパスや弱い信号系で動作している場合、AoA(Angle of Arrival)の解決にはあまり役に立たない。 デジタルサンプリングされたRFフロントエンドは、信号とその遅延成分の簡易解析を可能にする。 低コストのSoftware-Defined Radio (SDR)モジュールは、チャネル状態情報(CSI)を広い範囲にわたって抽出し、拡張されたアングル・オブ・アーリバル(AoA)ソリューションの設計を動機付ける。 本稿では,SDRマルチチャネルデータの単一スナップショットからAoAを抽出するディープラーニング手法を提案する。 深層学習に基づく角度分類と回帰モデルを比較し,最大2つのAoAsを正確に推定する。 我々は,AoAsをリアルタイムで抽出するために,異なるプラットフォーム上で推論エンジンを実装し,その計算的トラクタビリティを実証した。 提案手法の有用性を実証するために,LOSおよびNLOS環境における4要素ユニバーサルリニアアレイ(ULA)からIQ(In-phase and Quadrature components)サンプルを収集し,そのデータセットを公開した。 提案手法は衝突信号数の決定に優れた信頼性を示し,平均絶対AoA誤差が2^{\circ}$未満であることを示す。

関連論文リスト

• Anchor Free remote sensing detector based on solving discrete polar coordinate equation [4.708085033897991]
  回転・多スケール物体を検出するためのAnchor Free Aviatic Remote Sensor Object Detector (BWP-Det) を提案する。 具体的には、インタラクティブなダブルブランチ(IDB)アップサンプリングネットワークを設計し、ヒートマップの予測に1つのブランチを徐々にアップサンプリングする。 我々は、前景と背景の違いを強調するために、重み付きマルチスケール畳み込み(WmConv)を改善した。
  論文  参考訳（メタデータ） (2023-03-21T09:28:47Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)
• Align Deep Features for Oriented Object Detection [40.28244152216309]
  本稿では、FAM(Feature Alignment Module)とODM(Oriented Detection Module)の2つのモジュールからなる単発アライメントネットワーク(S$2$A-Net)を提案する。 FAMは、アンカー・リファインメント・ネットワークで高品質なアンカーを生成し、アンカーボックスに応じた畳み込み特徴と、新しいアライメント・コンボリューション・コンボリューションとを適応的に調整することができる。 ODMは、まず、向き情報を符号化するためにアクティブな回転フィルタを採用し、次に、分類スコアとローカライゼーション精度の不整合を軽減するために、向きに敏感で方向不変な特徴を生成する。
  論文  参考訳（メタデータ） (2020-08-21T09:55:13Z)
• Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of Large Antenna Arrays [15.180687831560174]
  我々は,小型アンテナアレイを用いたMUSICに基づくアリーバル推定手法を提案する。 我々は,仮想大アンテナアレイの信号再構成にディープラーニングを用いる。
  論文  参考訳（メタデータ） (2020-07-27T19:33:57Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)
• Multiple Angles of Arrival Estimation using Neural Networks [2.233624388203003]
  本稿では,受信データから抽出した相関行列に基づいて,方位角と仰角を推定するニューラルネットワークを提案する。 その結果、ニューラルネットワークは低SNR下で正確な推定を達成でき、複数の信号に対処できることがわかった。
  論文  参考訳（メタデータ） (2020-02-03T02:37:43Z)

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。