論文の概要: Machine Learning-Based GPS Multipath Detection Method Using Dual Antennas

• arxiv url: http://arxiv.org/abs/2204.14001v1
• Date: Wed, 6 Apr 2022 04:19:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-18 02:25:13.006888
• Title: Machine Learning-Based GPS Multipath Detection Method Using Dual Antennas
• Title（参考訳）: デュアルアンテナを用いた機械学習によるGPSマルチパス検出手法
• Authors: Sanghyun Kim, Jungyun Byun, Kwansik Park
• Abstract要約: デュアルアンテナを用いたグローバル位置決めシステム(GPS)マルチパス検出のための機械学習手法を提案する。 テストデータセットをトレーニングデータセットと同じ場所で収集すると,82%～96%の分類精度が得られた。 しかし,テストデータセットがトレーニングデータとは異なる場所で収集された場合,分類精度は44%-77%であった。
• 参考スコア（独自算出の注目度）: 2.0539994999823334
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In urban areas, global navigation satellite system (GNSS) signals are often reflected or blocked by buildings, thus resulting in large positioning errors. In this study, we proposed a machine learning approach for global positioning system (GPS) multipath detection that uses dual antennas. A machine learning model that could classify GPS signal reception conditions was trained with several GPS measurements selected as suggested features. We applied five features for machine learning, including a feature obtained from the dual antennas, and evaluated the classification performance of the model, after applying four machine learning algorithms: gradient boosting decision tree (GBDT), random forest, decision tree, and K-nearest neighbor (KNN). It was found that a classification accuracy of 82%-96% was achieved when the test data set was collected at the same locations as those of the training data set. However, when the test data set was collected at locations different from those of the training data, a classification accuracy of 44%-77% was obtained.
• Abstract（参考訳）: 都市部では、グローバルナビゲーション衛星システム(GNSS)信号がしばしば建物によって反射または遮断されるため、位置決めミスが大きくなる。 本研究では,デュアルアンテナを用いたグローバル位置決めシステム(GPS)のマルチパス検出のための機械学習手法を提案する。 GPS信号受信条件を分類できる機械学習モデルを,提案された特徴として選択されたGPS測定を用いて訓練した。 我々は,2つのアンテナから得られる特徴を含む機械学習に5つの特徴を適用し,勾配押し上げ決定木(GBDT),ランダム森林,決定木(KNN)の4つの機械学習アルゴリズムを適用し,モデルの分類性能を評価した。 その結果, テストデータセットがトレーニングデータセットと同じ場所で収集された場合, 82%～96%の分類精度が得られた。 しかし,テストデータセットがトレーニングデータとは異なる場所で収集された場合,分類精度は44%-77%であった。

関連論文リスト

• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Machine-Learning-Based Classification of GPS Signal Reception Conditions Using a Dual-Polarized Antenna in Urban Areas [5.01550203532856]
  都市部では、密集した建物がしばしばグローバル測位システム(GPS)信号をブロックし、反射する。 これは都市部における信頼性の低い位置決めに繋がる重要な問題である。 デュアルポーラライズアンテナを用いてGPS信号の受信条件を分類する機械学習手法を開発した。
  論文  参考訳（メタデータ） (2023-05-06T06:45:47Z)
• Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
  我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。 どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。 また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
  論文  参考訳（メタデータ） (2023-03-24T11:12:37Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• 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)
• Unsupervised Visual Odometry and Action Integration for PointGoal Navigation in Indoor Environment [14.363948775085534]
  屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。 GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。 実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-10-02T03:12:03Z)
• Spectrum Surveying: Active Radio Map Estimation with Autonomous UAVs [15.452264020787593]
  本稿では,無人航空機(UAV)のような移動体ロボットが,短時間で高品質な地図推定値を得るために,積極的に選択された一連の位置で測定値を収集したスペクトルサーベイを提案する。 モデルに基づくオンラインベイズ推定器とデータ駆動型深層学習アルゴリズムの2つの新しいアルゴリズムを考案し,各地点における計測の有意性を示すマップ推定と不確実性指標を更新する。 この問題の複雑さを克服するために,線形時間における大きな不確実性のある領域を通して経路点のリストを得る動的プログラミング手法を提案する。
  論文  参考訳（メタデータ） (2022-01-11T18:49:42Z)
• Moving Object Classification with a Sub-6 GHz Massive MIMO Array using Real Data [64.48836187884325]
  無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。 本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
  論文  参考訳（メタデータ） (2021-02-09T15:48:35Z)
• Hybrid Model For Intrusion Detection Systems [0.0]
  このプロジェクトには、侵入検知システムで使用されるさまざまな機械学習アルゴリズムの分析が含まれる。 両データセットの異なる侵入検知システムの解析の後、本プロジェクトは侵入検知システムのための新しいハイブリッドモデルを開発することを目的とした。
  論文  参考訳（メタデータ） (2020-03-19T05:52:29Z)

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。