Fugu-MT 論文翻訳(概要): Attention Aided CSI Wireless Localization

論文の概要: Attention Aided CSI Wireless Localization

arxiv url: http://arxiv.org/abs/2203.10506v1
Date: Sun, 20 Mar 2022 09:38:01 GMT
ステータス: 処理完了
システム内更新日: 2022-03-26 08:17:31.939538
Title: Attention Aided CSI Wireless Localization
Title（参考訳）: 注意支援型CSI無線局
Authors: Artan Salihu, Stefan Schwarz, Markus Rupp
Abstract要約: 我々は、ディープニューラルネットワーク(DNN)におけるロバストな特徴学習のための注意に基づくCSIを提案する。我々は,2つの非定常線路環境におけるレイトレーシングチャネルの集中分散MIMOシステムの性能評価を行った。
参考スコア（独自算出の注目度）: 19.50869817974852
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep neural networks (DNNs) have become a popular approach for wireless localization based on channel state information (CSI). A common practice is to use the raw CSI in the input and allow the network to learn relevant channel representations for mapping to location information. However, various works show that raw CSI can be very sensitive to system impairments and small changes in the environment. On the contrary, hand-designing features may hinder the limits of channel representation learning of the DNN. In this work, we propose attention-based CSI for robust feature learning. We evaluate the performance of attended features in centralized and distributed massive MIMO systems for ray-tracing channels in two non-stationary railway track environments. By comparison to a base DNN, our approach provides exceptional performance.
Abstract（参考訳）: ディープニューラルネットワーク(DNN)は、チャネル状態情報(CSI)に基づいた無線ローカライゼーションの一般的なアプローチとなっている。一般的には、入力に生のCSIを使用し、ネットワークが位置情報にマッピングするための関連するチャネル表現を学習できるようにする。しかし、様々な研究により、生のCSIはシステム障害や環境の変化に非常に敏感であることが示されている。反対に、ハンドデザイン機能はdnnのチャネル表現学習の限界を妨げる可能性がある。本研究では,ロバストな特徴学習のための注意型CSIを提案する。我々は,2つの非定常線路環境におけるレイトレーシングチャネルの集中分散MIMOシステムの性能評価を行った。ベースDNNと比較して,本手法は例外的な性能を提供する。

関連論文リスト

TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
論文参考訳（メタデータ） (2024-04-11T15:39:10Z)
Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文参考訳（メタデータ） (2023-06-08T06:15:17Z)
Spiking Neural Network Decision Feedback Equalization [70.3497683558609]
決定フィードバック等化器(DFE)に似たフィードバック構造を持つSNNベースの等化器を提案する。提案手法は,3種類の模範チャネルに対して,従来の線形等化器よりも明らかに優れていることを示す。決定フィードバック構造を持つSNNは、競合エネルギー効率の良いトランシーバへのパスを可能にする。
論文参考訳（メタデータ） (2022-11-09T09:19:15Z)
Interference Cancellation GAN Framework for Dynamic Channels [74.22393885274728]
チャネルのあらゆる変更に適応できるオンライントレーニングフレームワークを導入します。我々のフレームワークは、非常にダイナミックなチャネル上での最近のニューラルネットワークモデルよりも大幅に優れています。
論文参考訳（メタデータ） (2022-08-17T02:01:18Z)
CSI-based Indoor Localization via Attention-Augmented Residual Convolutional Neural Network [38.826117059245895]
本稿では,高精度で汎用性の高い新しいローカライズシステムを提案する。本稿では,CSIにおける局所的情報とグローバルな文脈を網羅的に活用するために,新たに注目を増したResidual CNNを提案する。トラッキングシステムの汎用性を考慮し、トラッキングシステムをCSI環境から切り離して、すべての環境を対象とした1つのトラッキングシステムを実現する。
論文参考訳（メタデータ） (2022-05-11T21:11:05Z)
Machine Learning for CSI Recreation Based on Prior Knowledge [19.0581196881206]
我々は、訓練されていないニューラルネットワーク(UNN)と条件付き生成逆ネットワーク(cGAN)を組み合わせることを提案する。 UNNは、cGANへの入力を構築するために使用されるいくつかの場所の事前CSIを学ぶ。事前CSI、その位置、所望のチャネルの位置に基づいて、cGANは、所望の場所で期待されるチャネルを出力するように訓練される。提案手法は, 無線通信路のモデル化に成功し, 視線条件下での位置量子化誤差に頑健であることを示す。
論文参考訳（メタデータ） (2021-11-15T15:49:08Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-15T23:57:36Z)
DNN-based Localization from Channel Estimates: Feature Design and Experimental Results [11.448223173438233]
チャネル状態情報(CSI)に基づくローカライゼーションにおけるディープニューラルネットワーク(DNN)の利用を検討する。本稿では,CSI ベースの DNN アプリケーションを対象とした機能設計の原則的アプローチを提案する。我々は,その学習手法のいくつかの側面について,局所化精度,一般化能力,データ老化などの実験的評価を行った。
論文参考訳（メタデータ） (2020-03-20T15:20:15Z)
Centimeter-Level Indoor Localization using Channel State Information with Recurrent Neural Networks [12.193558591962754]
本稿では,線形アンテナから収集した実CSIデータを用いて,センチメートルレベルの屋内位置推定を行うニューラルネットワーク手法を提案する。チャネル応答の振幅または相関行列を入力として使用することにより、データサイズを大幅に削減し、ノイズを抑制することができる。また、リカレントニューラルネットワーク(RNN)と信号雑音比(SNR)情報によるユーザ動作軌跡の整合性を利用して、推定精度をさらに向上する。
論文参考訳（メタデータ） (2020-02-04T17:10:18Z)

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。