論文の概要: Indoor Localization with Robust Global Channel Charting: A
Time-Distance-Based Approach
- arxiv url: http://arxiv.org/abs/2210.06294v1
- Date: Fri, 7 Oct 2022 11:07:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 16:11:49.584893
- Title: Indoor Localization with Robust Global Channel Charting: A
Time-Distance-Based Approach
- Title（参考訳）: ロバストグローバルチャネルチャートによる屋内位置推定:時間依存性に基づくアプローチ
- Authors: Maximilian Stahlke, George Yammine, Tobias Feigl, Bjoern M. Eskofier,
Christopher Mutschler
- Abstract要約: フィンガープリンティングに基づく位置決めは,非視線優位領域における屋内位置決め性能を著しく向上させる。
チャネルチャート(CC)は明示的な参照情報なしで機能し、チャネル状態情報(CSI)の空間的相関のみを必要とする
ユークリッド距離に対する線形相関にアプローチする時間同期シングルインプット/シングルアウトプットCSIに対して,新しい距離測定法を提案する。
これにより、チャートから実世界の座標への線形変換のみを使用して、CC支援のフィンガープリントと位置決めが可能になる。
- 参考スコア（独自算出の注目度）: 2.572404739180802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fingerprinting-based positioning significantly improves the indoor
localization performance in non-line-of-sight-dominated areas. However, its
deployment and maintenance is cost-intensive as it needs ground-truth reference
systems for both the initial training and the adaption to environmental
changes. In contrast, channel charting (CC) works without explicit reference
information and only requires the spatial correlations of channel state
information (CSI). While CC has shown promising results in modelling the
geometry of the radio environment, a deeper insight into CC for localization
using multi-anchor large-bandwidth measurements is still pending. We contribute
a novel distance metric for time-synchronized single-input/single-output CSIs
that approaches a linear correlation to the Euclidean distance. This allows to
learn the environment's global geometry without annotations. To efficiently
optimize the global channel chart we approximate the metric with a Siamese
neural network. This enables full CC-assisted fingerprinting and positioning
only using a linear transformation from the chart to the real-world
coordinates. We compare our approach to the state-of-the-art of CC on two
different real-world data sets recorded with a 5G and UWB radio setup. Our
approach outperforms others with localization accuracies of 0.69m for the UWB
and 1.4m for the 5G setup. We show that CC-assisted fingerprinting enables
highly accurate localization and reduces (or eliminates) the need for annotated
training data.
- Abstract（参考訳）: フィンガープリンティングに基づく位置決めは,非視線優位地域の屋内位置決め性能を著しく向上させる。
しかし、初期訓練と環境変化への適応の両方に基礎的基準システムが必要であるため、デプロイメントとメンテナンスはコストがかかる。
対照的に、チャネルチャート(CC)は明示的な参照情報なしで動作し、チャネル状態情報(CSI)の空間的相関のみを必要とする。
CCは無線環境の幾何学をモデル化する上で有望な結果を示してきたが、マルチアンカー大帯域計測を用いた局部化のためのCCの深い洞察はまだ保留中である。
ユークリッド距離との線形相関に接近する時間同期単入出力csisのための新しい距離メトリックを提案する。
これにより、アノテーションなしで環境のグローバル幾何を学ぶことができる。
グローバルチャネルチャートを効率的に最適化するために、メトリックとシームズニューラルネットワークを近似する。
これにより、チャートから実世界の座標への線形変換のみを使用して、CC支援のフィンガープリントと位置決めが可能になる。
我々は,5GとUWBの無線装置で記録された2つの実世界のデータセットに対して,CCの現状と比較した。
提案手法は,UWBでは0.69m,5Gでは1.4mの局所化精度で他より優れていた。
CCを用いた指紋認証は,高精度な局所化を可能にし,注釈付きトレーニングデータの必要性を低減(あるいは排除)することを示す。
関連論文リスト
- ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Neural 5G Indoor Localization with IMU Supervision [63.45775390000508]
無線信号は、ユビキタスであるため、ユーザのローカライゼーションに適しており、暗黒環境で動作し、プライバシを維持することができる。
多くの先行研究は、チャネル状態情報(CSI)と完全に監督された位置の間のマッピングを学ぶ。
本研究は,慣性測定ユニット(IMU)から算出した擬似ラベルを用いて,本要件を緩和するものである。
論文 参考訳（メタデータ） (2024-02-15T13:51:21Z) - Velocity-Based Channel Charting with Spatial Distribution Map Matching [4.913210912019975]
指紋による位置決めによる位置決め性能の向上は,NLoS(N-line-of-sight)が室内環境を支配下に置く上での課題である。
チャネルチャーティングは、記録された無線信号と相対座標を暗黙的に関連付けるため、このラベル付けの労力を避ける。
モデルの最新状態を維持するために参照位置を必要としない新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-14T09:21:09Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Position Tracking using Likelihood Modeling of Channel Features with
Gaussian Processes [2.3977391435533373]
最近のローカライゼーションフレームワークは、複雑なチャネル計測の空間情報を利用して正確な位置を推定する。
本稿では,強力なマルチパス伝搬を持つスパースデータセットに順応する新しいフレームワークを提案する。
本フレームワークでは,トレーニングされたGPと直視域と粒子フィルタのダイナミックスモデルを組み合わせる。
論文 参考訳（メタデータ） (2022-03-24T15:06:01Z) - TC-Net: Triple Context Network for Automated Stroke Lesion Segmentation [0.5482532589225552]
本稿では,空間的コンテキスト情報を中心として,新たなネットワークである Triple Context Network (TC-Net) を提案する。
我々のネットワークはオープンデータセットATLASで評価され、最高スコアは0.594、ハウスドルフ距離は27.005mm、平均対称性表面距離は7.137mmである。
論文 参考訳（メタデータ） (2022-02-28T11:12:16Z) - Local2Global: A distributed approach for scaling representation learning
on graphs [10.254620252788776]
本稿では,グラフ表現学習における分散型「ローカル2言語」アプローチを提案する。
提案手法は,エッジ再構築におけるスケールと精度の良好なトレードオフと半教師付き分類を実現する。
また、異常検出の下流タスクについても検討し、ローカル2globalを使ってサイバーセキュリティネットワークの異常を強調できることを示す。
論文 参考訳（メタデータ） (2022-01-12T23:00:22Z) - Semi-Supervised Learning for Channel Charting-Aided IoT Localization in
Millimeter Wave Networks [97.66522637417636]
ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。
特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。
フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
論文 参考訳（メタデータ） (2021-08-03T14:41:38Z) - Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。
私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
論文 参考訳（メタデータ） (2021-01-19T03:08:03Z) - Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。
本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。
GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。
新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
論文 参考訳（メタデータ） (2020-08-06T07:36:55Z)
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。