論文の概要: CSI-based Indoor Localization via Attention-Augmented Residual
Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2205.05775v1
- Date: Wed, 11 May 2022 21:11:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-13 14:25:44.591856
- Title: CSI-based Indoor Localization via Attention-Augmented Residual
Convolutional Neural Network
- Title(参考訳): 注意強化残差畳み込みニューラルネットワークによるCSIを用いた屋内位置推定
- Authors: Bowen Zhang and Houssem Sifaou and Geoffrey Ye Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 38.826117059245895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning has been widely adopted for channel state information
(CSI)-fingerprinting indoor localization systems. These systems usually consist
of two main parts, i.e., a positioning network that learns the mapping from
high-dimensional CSI to physical locations and a tracking system that utilizes
historical CSI to reduce the positioning error. This paper presents a new
localization system with high accuracy and generality. On the one hand, the
receptive field of the existing convolutional neural network (CNN)-based
positioning networks is limited, restricting their performance as useful
information in CSI is not explored thoroughly. As a solution, we propose a
novel attention-augmented Residual CNN to utilize the local information and
global context in CSI exhaustively. On the other hand, considering the
generality of a tracking system, we decouple the tracking system from the CSI
environments so that one tracking system for all environments becomes possible.
Specifically, we remodel the tracking problem as a denoising task and solve it
with deep trajectory prior. Furthermore, we investigate how the precision
difference of inertial measurement units will adversely affect the tracking
performance and adopt plug-and-play to solve the precision difference problem.
Experiments show the superiority of our methods over existing approaches in
performance and generality improvement.
- Abstract(参考訳): 深層学習はチャネル状態情報(CSI)-フィンガープリント屋内ローカライゼーションシステムに広く採用されている。
これらのシステムは通常、高次元CSIから物理位置へのマッピングを学習する測位ネットワークと、歴史的CSIを使用して測位誤差を低減するトラッキングシステムという2つの主要な部分から構成される。
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。
一方、既存の畳み込みニューラルネットワーク(CNN)ベースの位置決めネットワークの受容領域は制限されており、CSIの有用な情報としての性能は十分に調査されていない。
そこで本研究では,csiにおける局所情報とグローバルコンテキストを徹底的に活用するための注意喚起残差cnnを提案する。
一方、トラッキングシステムの汎用性を考慮すると、トラッキングシステムをcsi環境から切り離し、すべての環境における1つのトラッキングシステムを可能にする。
具体的には,追跡問題をデノージングタスクとして再設計し,事前の深い軌道で解決する。
さらに,慣性測定ユニットの精度差がトラッキング性能に悪影響を及ぼすかを調査し,プラグ・アンド・プレイを用いて精度差問題を解決する。
実験では,既存の手法よりも性能向上と汎用性向上に優れることを示す。
関連論文リスト
- Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。
その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
論文 参考訳(メタデータ) (2022-06-29T03:28:57Z) - SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。
近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。
本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。
本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
論文 参考訳(メタデータ) (2022-05-31T15:55:37Z) - A Framework for CSI-Based Indoor Localization with 1D Convolutional
Neural Networks [4.812445272764651]
本稿では,データ収集,パターンクラスタリング,デノイング,キャリブレーション,CSIフィンガープリントを用いた軽量1次元畳み込みニューラルネットワーク(1D CNN)モデルなどのエンドツーエンドソリューションを提案する。
実験の結果,最もよく知られたディープラーニングやCSIベースの屋内ローカライゼーションよりも,最小限のパラメータで最大68.5%の性能向上を実現していることがわかった。
論文 参考訳(メタデータ) (2022-05-17T03:04:47Z) - Attention Aided CSI Wireless Localization [19.50869817974852]
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。
論文 参考訳(メタデータ) (2022-03-20T09:38:01Z) - PLADE-Net: Towards Pixel-Level Accuracy for Self-Supervised Single-View
Depth Estimation with Neural Positional Encoding and Distilled Matting Loss [49.66736599668501]
PLADE-Netと呼ばれる自己監視型単視点画素レベルの高精度深度推定ネットワークを提案する。
提案手法は,KITTIデータセットの$delta1$測定値の95%を超え,前例のない精度を示す。
論文 参考訳(メタデータ) (2021-03-12T15:54:46Z) - TELESTO: A Graph Neural Network Model for Anomaly Classification in
Cloud Services [77.454688257702]
機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。
1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。
与えられたデータの次元変化に不変な手法を提案する。
論文 参考訳(メタデータ) (2021-02-25T14:24:49Z) - CLNet: Complex Input Lightweight Neural Network designed for Massive
MIMO CSI Feedback [7.63185216082836]
本稿では,CSIの固有特性に基づくCSIフィードバック問題に適したニューラルネットワークCLNetを提案する。
実験の結果,CLNetは室内・屋外のシナリオで平均5.41%の精度向上により最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2021-02-15T12:16:11Z) - Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。
損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文 参考訳(メタデータ) (2020-12-31T18:53:25Z) - 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。
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。