論文の概要: User Localization using RF Sensing: A Performance comparison between LIS
and mmWave Radars
- arxiv url: http://arxiv.org/abs/2205.10321v1
- Date: Tue, 17 May 2022 09:44:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-29 20:23:52.623089
- Title: User Localization using RF Sensing: A Performance comparison between LIS
and mmWave Radars
- Title（参考訳）: RFセンシングによるユーザ位置推定:LISとmmWaveレーダの性能比較
- Authors: Cristian J. Vaca-Rubio, Dariush Salami, Petar Popovski, Elisabeth de
Carvalho, Zheng-Hua Tan, Stephan Sigg
- Abstract要約: RFセンシングにおける2つの新しい技術、すなわちLarge Intelligent Surfaces (LIS) と mmWave Frequency-Modulated Continuous-Wave (FMCW) レーダーによるセンシングは、幅広い応用に成功している。
実環境およびシミュレーション環境における位置推定のためのLISとmmWaveレーダを比較した。
- 参考スコア（独自算出の注目度）: 41.88097640694028
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Since electromagnetic signals are omnipresent, Radio Frequency (RF)-sensing
has the potential to become a universal sensing mechanism with applications in
localization, smart-home, retail, gesture recognition, intrusion detection,
etc. Two emerging technologies in RF-sensing, namely sensing through Large
Intelligent Surfaces (LISs) and mmWave Frequency-Modulated Continuous-Wave
(FMCW) radars, have been successfully applied to a wide range of applications.
In this work, we compare LIS and mmWave radars for localization in real-world
and simulated environments. In our experiments, the mmWave radar achieves 0.71
Intersection Over Union (IOU) and 3cm error for bounding boxes, while LIS has
0.56 IOU and 10cm distance error. Although the radar outperforms the LIS in
terms of accuracy, LIS features additional applications in communication in
addition to sensing scenarios.
- Abstract（参考訳）: 電磁信号が一様であるため、無線周波数(RF)センシングは、ローカライゼーション、スマートホーム、小売、ジェスチャー認識、侵入検知などの応用で、普遍的なセンシングメカニズムとなる可能性がある。
RFセンシングにおける2つの新しい技術、すなわちLarge Intelligent Surfaces (LIS) と mmWave Frequency-Modulated Continuous-Wave (FMCW) レーダーによるセンシングは、幅広い応用に成功している。
本研究では, LIS と mmWave のレーダを用いて実環境とシミュレーション環境の局所化を行う。
我々の実験では、LISは0.56IOUと10cmの誤差を持つのに対し、mmWaveレーダーは0.71IOU(Intersection Over Union)と3cmの誤差を達成した。
レーダは精度でLISより優れているが、LISはセンサーのシナリオに加えて通信にも追加の応用を特徴としている。
関連論文リスト
- Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - IR-UWB Radar-Based Contactless Silent Speech Recognition of Vowels,
Consonants, Words, and Phrases [2.5003170112399045]
インパルス無線超広帯域(IR-UWB)レーダーは、ユーザの調音器や関連する身体部品と物理的に接触することなく動作することができる。
これらの利点には、高範囲の解像度、高透過性、低消費電力、外部の光や音の干渉に対する堅牢性、空間に制約のあるハンドヘルドデバイスに組み込む能力などがある。
論文 参考訳（メタデータ） (2023-12-15T07:04:40Z) - Radarize: Enhancing Radar SLAM with Generalizable Doppler-Based Odometry [9.420543997290126]
Radarizeは、コモディティ単一チップmmWaveレーダーのみを使用する、自己完結型SLAMパイプラインである。
本手法は,最先端のレーダおよびレーダ慣性アプローチを計測値で約5倍,エンドツーエンドのSLAMで約8倍に向上する。
論文 参考訳（メタデータ） (2023-11-19T07:47:11Z) - RaLF: Flow-based Global and Metric Radar Localization in LiDAR Maps [8.625083692154414]
我々は、環境のLiDARマップにレーダースキャンをローカライズするための、新しいディープニューラルネットワークベースのアプローチであるRaLFを提案する。
RaLFは、レーダーとLiDAR機能エンコーダ、グローバルなディスクリプタを生成する場所認識ヘッド、レーダースキャンとマップ間の3DF変換を予測するメートル法ローカライゼーションヘッドで構成されている。
複数の実世界の運転データセットに対する我々のアプローチを広く評価し、RaLFが位置認識とメートル法ローカライゼーションの両方において最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2023-09-18T15:37:01Z) - Echoes Beyond Points: Unleashing the Power of Raw Radar Data in
Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。
具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文 参考訳（メタデータ） (2023-07-31T09:53:50Z) - Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
論文 参考訳（メタデータ） (2023-06-22T10:10:25Z) - Faster Region-Based CNN Spectrum Sensing and Signal Identification in
Cluttered RF Environments [0.7734726150561088]
高速領域ベース畳み込みニューラルネットワーク(FRCNN)を1次元(1次元)信号処理と電磁スペクトルセンシングに最適化する。
その結果,本手法はローカライズ性能が向上し,2次元同値よりも高速であることがわかった。
論文 参考訳（メタデータ） (2023-02-20T09:35:13Z) - UAV-aided RF Mapping for Sensing and Connectivity in Wireless Networks [52.14281905671453]
無人航空機(UAV)を空飛ぶ無線アクセスネットワーク(RAN)ノードとして使用することは、従来の固定地上配備を補完する。
無線マッピングは、この課題に関連する課題の1つであり、ここでは無線マッピングと呼ばれている。
接続性, センサ性, ローカライゼーション性能の観点から, 無線マッピングによる利点を示す。
論文 参考訳（メタデータ） (2022-05-06T16:16:08Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z)
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。