論文の概要: Ultra-low-power Range Error Mitigation for Ultra-wideband Precise Localization

• arxiv url: http://arxiv.org/abs/2209.03021v1
• Date: Wed, 7 Sep 2022 09:33:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-08 13:13:51.983696
• Title: Ultra-low-power Range Error Mitigation for Ultra-wideband Precise Localization
• Title（参考訳）: 超広帯域精密局在のための超低消費電力レンジ誤差低減
• Authors: Simone Angarano, Francesco Salvetti, Vittorio Mazzia, Giovanni Fantin, Dario Gandini, Marcello Chiaberge
• Abstract要約: ウルトラワイドバンド(UWB)ローカライゼーション技術は、この問題に対する価値の高い低コストソリューションである。 非視線(NLOS)条件と特定の無線環境の複雑さは、測定範囲における正のバイアスを容易に導入することができる。 数mWの電力でNLOSまたはLOS条件を補正する有効範囲誤差軽減法を提案する。
• 参考スコア（独自算出の注目度）: 1.8472148461613158
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Precise and accurate localization in outdoor and indoor environments is a challenging problem that currently constitutes a significant limitation for several practical applications. Ultra-wideband (UWB) localization technology represents a valuable low-cost solution to the problem. However, non-line-of-sight (NLOS) conditions and complexity of the specific radio environment can easily introduce a positive bias in the ranging measurement, resulting in highly inaccurate and unsatisfactory position estimation. In the light of this, we leverage the latest advancement in deep neural network optimization techniques and their implementation on ultra-low-power microcontrollers to introduce an effective range error mitigation solution that provides corrections in either NLOS or LOS conditions with a few mW of power. Our extensive experimentation endorses the advantages and improvements of our low-cost and power-efficient methodology.
• Abstract（参考訳）: 屋外および屋内環境における高精度で正確な位置決めは、現在いくつかの実用的な応用において重要な制限となっている困難な問題である。 超広帯域(UWB)ローカライゼーション技術は、この問題に対する価値の高い低コストソリューションである。 しかし、NLOS(Non-of-Sight)条件と特定の無線環境の複雑さは、測定範囲における正のバイアスを容易に引き起こし、高度に不正確で不満足な位置推定をもたらす。 そこで我々は,深層ニューラルネットワーク最適化手法の最近の進歩と超低消費電力マイクロコントローラの実装を活用し,NLOSまたはLOS条件の補正を数mWの電力で実現する有効範囲誤差軽減ソリューションを導入する。 私たちの広範な実験は、低コストで電力効率の良い方法論の利点と改善を支持しています。

関連論文リスト

• Shavette: Low Power Neural Network Acceleration via Algorithm-level Error Detection and Undervolting [0.0]
  本稿では,Deep Neural Network(DNN)アクセラレータの,単なるソフトウェア修正による低電圧動作を実現するための簡単なアプローチを紹介する。 18%から25%の省エネ効果を示したが,精度の低下やスループットの低下は認められなかった。
  論文  参考訳（メタデータ） (2024-10-17T10:29:15Z)
• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• A novel fault localization with data refinement for hydroelectric units [0.8847676725602007]
  スパースオートエンコーダ(SAE)-生成逆数ネットワーク(GAN)-ウェーブレット雑音低減(WNR)-多様体ブースト深層学習(SG-WMBDL)に基づくフォールトローカライゼーション手法を提案する。 非線形および非滑らかな特性を含む信号を考慮すると、軟弱しきい値と局所線形埋め込み(LLE)を併用した改良WNRが利用される。 実験の結果,SG-WMBDLは,他のフロンティア法と比較して高精度かつ高精度に水力発電ユニットの故障を見つけることができることがわかった。
  論文  参考訳（メタデータ） (2024-05-30T03:33:49Z)
• Incorporating Degradation Estimation in Light Field Spatial Super-Resolution [54.603510192725786]
  本稿では,多種多様な劣化型を扱うために,明示的な劣化推定を組み込んだ効果的なブラインド光場SR法LF-DESTを提案する。 ベンチマークデータセットに対する広範な実験を行い、光場SRにおける様々な劣化シナリオにおいてLF-DESTが優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2024-05-11T13:14:43Z)
• Power-Efficient Indoor Localization Using Adaptive Channel-aware Ultra-wideband DL-TDOA [7.306334571814026]
  本稿では,低消費電力チャネル対応動的周波数DL-TDOAレンジリングアルゴリズムの提案と実装を行う。 畳み込みニューラルネットワーク(CNN)、ダイナミックレンジング周波数制御モジュール、IMUセンサベースのレンジングフィルタに基づくNLOS確率予測器を備える。
  論文  参考訳（メタデータ） (2024-02-16T09:04:04Z)
• Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [60.17407932691429]
  基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。 本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。 提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
  論文  参考訳（メタデータ） (2023-09-04T17:30:21Z)
• Neural Fields with Hard Constraints of Arbitrary Differential Order [61.49418682745144]
  我々は、ニューラルネットワークに厳しい制約を課すための一連のアプローチを開発する。 制約は、ニューラルネットワークとそのデリバティブに適用される線形作用素として指定することができる。 私たちのアプローチは、広範囲の現実世界のアプリケーションで実証されています。
  論文  参考訳（メタデータ） (2023-06-15T08:33:52Z)
• Deep reinforcement learning for automatic run-time adaptation of UWB PHY radio settings [3.7885834570803842]
  本稿では,信頼性の高いUWB通信の実現,パケット受信率(PRR)の最大化,エネルギー消費の最小化を目的とした深層Q-ラーニング手法を提案する。 その結果, 動的オフィス環境における固定PHY設定に比べて14%のエネルギーしか使用せず, 高い平均PRRを実現し, レンジ誤差を低減できることがわかった。
  論文  参考訳（メタデータ） (2022-10-13T13:47:12Z)
• Automating Control of Overestimation Bias for Continuous Reinforcement Learning [65.63607016094305]
  バイアス補正を導くためのデータ駆動型手法を提案する。 我々は、最先端の連続制御アルゴリズムであるTrncated Quantile Criticsにおいて、その効果を実証する。
  論文  参考訳（メタデータ） (2021-10-26T09:27:12Z)
• Dynamically corrected gates from geometric space curves [55.41644538483948]
  本稿では,量子進化と幾何学的空間曲線の密接な関係を利用した演算をしながら,動的に誤差を補正する制御場の設計手法について概説する。 このアプローチは、与えられたタスクを達成する制御フィールドのグローバルなソリューション空間へのアクセスを提供し、様々なアプリケーションに対して実験可能なゲート操作の設計を容易にする。
  論文  参考訳（メタデータ） (2021-03-30T01:12:36Z)
• Robust Ultra-wideband Range Error Mitigation with Deep Learning at the Edge [0.0]
  室内無線環境のマルチパス効果、反射、屈折、複雑さは、測定範囲に正のバイアスをもたらす可能性がある。 本稿では,ディープラーニングとグラフ最適化技術の最新技術を活用した効率的な表現学習手法を提案する。 チャネルインパルス応答(CIR)信号を直接利用して高い意味的特徴を抽出し、NLoS条件またはLoS条件の補正を推定する。
  論文  参考訳（メタデータ） (2020-11-30T10:52:21Z)

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。