論文の概要: Improving Proximity Estimation for Contact Tracing using a Multi-channel Approach

• arxiv url: http://arxiv.org/abs/2201.10401v1
• Date: Tue, 25 Jan 2022 15:45:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-26 16:51:44.606152
• Title: Improving Proximity Estimation for Contact Tracing using a Multi-channel Approach
• Title（参考訳）: マルチチャネルアプローチによる接触追跡の近さ推定の改善
• Authors: Eric Lanfer, Thomas H\"anel, Roland van Rijswijk-Deij, Nils Aschenbruck
• Abstract要約: 近接推定を改善するためのマルチチャネル手法を提案する。 我々は,BLEとIEEE 802.11信号に基づく分類モデルを開発し,評価した。 IEEE 802.11のプローブ要求に基づく実装では、プライバシーの問題や制限にも遭遇しました。
• 参考スコア（独自算出の注目度）: 1.3404503606887717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the COVID 19 pandemic, smartphone-based proximity tracing systems became of utmost interest. Many of these systems use Bluetooth Low Energy (BLE) signals to estimate the distance between two persons. The quality of this method depends on many factors and, therefore, does not always deliver accurate results. In this paper, we present a multi-channel approach to improve proximity estimation, and a novel, publicly available dataset that contains matched IEEE 802.11 (2.4 GHz and 5 GHz) and BLE signal strength data, measured in four different environments. We have developed and evaluated a combined classification model based on BLE and IEEE 802.11 signals. Our approach significantly improves the distance estimation and consequently also the contact tracing accuracy. We are able to achieve good results with our approach in everyday public transport scenarios. However, in our implementation based on IEEE 802.11 probe requests, we also encountered privacy problems and limitations due to the consistency and interval at which such probes are sent. We discuss these limitations and sketch how our approach could be improved to make it suitable for real-world deployment.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックにより、スマートフォンベースの近接追跡システムが最大の関心事となった。 これらのシステムの多くは、bluetooth low energy (ble)信号を使用して2人間の距離を推定する。 この方法の品質は多くの要因に依存するため、必ずしも正確な結果が得られない。 本稿では、近接推定を改善するためのマルチチャネルアプローチと、4つの異なる環境で測定されたIEEE 802.11(2.4GHzおよび5GHz)とBLE信号強度データを組み合わせた、新しい公開データセットを提案する。 我々は,BLEとIEEE 802.11信号に基づく分類モデルを開発し,評価した。 提案手法は距離推定を著しく改善し,接触追跡精度も向上した。 日々の公共交通機関のシナリオにおいて、私たちのアプローチで良い結果が得られます。 しかし、IEEE 802.11プローブ要求に基づく実装では、そのようなプローブが送信される一貫性と間隔のため、プライバシーの問題や制限に直面しました。 これらの制限を議論し、実際のデプロイメントに適合するように私たちのアプローチをどのように改善できるかをスケッチします。

関連論文リスト

• Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
  地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。 本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:13:02Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• Task-Oriented Prediction and Communication Co-Design for Haptic Communications [20.20316445430853]
  本稿では,ハプティックコミュニケーションのためのタスク指向予測・コミュニケーション協調フレームワークを提案する。 提案したフレームワークは、タスクに依存しないベンチマークと比較して、無線リソースの消費を最大77.80%削減できる。
  論文  参考訳（メタデータ） (2023-02-21T23:39:37Z)
• 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)
• Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional Interference Cancellation Network [4.450750414447688]
  ワイヤレスリンクは、重要なサービスを提供するためにますます使われていますが、意図的な干渉(ジャミング)は、そのようなサービスにとって深刻な脅威です。 機械学習の進歩とニューラルアクセラレータとソフトウェア定義無線の約束に依存するアプローチを提案する。 本研究では,2アンテナの試作システムを開発し,様々な環境設定や変調方式におけるジャミングキャンセル手法の評価を行う。
  論文  参考訳（メタデータ） (2022-03-18T03:30:57Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)
• CNN aided Weighted Interpolation for Channel Estimation in Vehicular Communications [4.6898263272139795]
  IEEE 802.11p規格は、車両輸送と交通効率を管理する無線技術プロトコルを定義している。 この技術の開発における大きな課題は、非常にダイナミックな車両環境での通信信頼性の確保です。 本論文では,新しい深層学習(DL)に基づく重み付き推定器を提案し,車両チャネルを正確に推定する。
  論文  参考訳（メタデータ） (2021-04-18T10:57:52Z)
• An Empirical Evaluation of Bluetooth-based Decentralized Contact Tracing in Crowds [7.469941131704084]
  本研究は, 参加者80名を対象に, 群集環境におけるBluetoothによる接触追跡の有効性を実証的に検討した。 結果,Bluetooth RSSIは近接検出には信頼性が低く,特に混み合っている環境では不正確性が悪化することが確認された。 既存の接触追跡アプリは、粗い粒度の近接検出に焦点を合わせるために再利用できることを推奨する。
  論文  参考訳（メタデータ） (2020-11-09T10:44:03Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。