論文の概要: On the Effective Usage of Priors in RSS-based Localization
- arxiv url: http://arxiv.org/abs/2212.00728v1
- Date: Mon, 28 Nov 2022 00:31:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 17:57:33.385829
- Title: On the Effective Usage of Priors in RSS-based Localization
- Title（参考訳）: RSS-based Localizationにおけるプライオリティの有効利用について
- Authors: \c{C}a\u{g}kan Yapar, Fabian Jaensch, Ron Levie, Giuseppe Caire
- Abstract要約: 本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
- 参考スコア（独自算出の注目度）: 56.68864078417909
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we study the localization problem in dense urban settings. In
such environments, Global Navigation Satellite Systems fail to provide good
accuracy due to low likelihood of line-of-sight (LOS) links between the
receiver (Rx) to be located and the satellites, due to the presence of
obstacles like the buildings. Thus, one has to resort to other technologies,
which can reliably operate under non-line-of-sight (NLOS) conditions. Recently,
we proposed a Received Signal Strength (RSS) fingerprint and convolutional
neural network-based algorithm, LocUNet, and demonstrated its state-of-the-art
localization performance with respect to the widely adopted k-nearest neighbors
(kNN) algorithm, and to state-of-the-art time of arrival (ToA) ranging-based
methods. In the current work, we first recognize LocUNet's ability to learn the
underlying prior distribution of the Rx position or Rx and transmitter (Tx)
association preferences from the training data, and attribute its high
performance to these. Conversely, we demonstrate that classical methods based
on probabilistic approach, can greatly benefit from an appropriate
incorporation of such prior information. Our studies also numerically prove
LocUNet's close to optimal performance in many settings, by comparing it with
the theoretically optimal formulations.
- Abstract（参考訳）: 本稿では,密集した都市環境におけるローカライズ問題について考察する。
このような環境では、Global Navigation Satellite Systemsは、建物のような障害物が存在するため、受信機(Rx)と衛星との間のLOS(Line-of-sight)リンクの可能性が低いため、精度が良くない。
したがって、NLOS(Non-of-Sight)条件下で確実に動作可能な他の技術を利用する必要がある。
近年,受信信号強度(rss)指紋と畳み込みニューラルネットワークに基づくアルゴリズムlocunetを提案し,広く採用されているk-nearest neighbors(knn)アルゴリズムとtoa(state-of-the-art time of arrival)範囲ベース手法に関してその最先端の局在化性能を実証した。
本研究では,Rx位置やRxの位置の事前分布を学習し,トレーニングデータから送信者(Tx)関連を選好するLocUNetの能力を認識し,その高い性能をこれらに関連付ける。
逆に, 確率的手法に基づく古典的手法は, 事前情報を適切に組み込むことにより, 大いに有益であることを示す。
また,LocUNetの最適性能を理論的に最適な定式化と比較することにより,多くの設定で数値的に証明する。
関連論文リスト
- Asymmetrically Decentralized Federated Learning [22.21977974314497]
分散フェデレーションラーニング(DFL)が出現し、ピアツーピア(P2P)通信フレームワークでサーバを破棄する。
本稿では,非対称トポロジに基づくPush-Awareプロトコルを用いたDFedSGPSMアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-08T09:46:26Z) - Exploiting Temporal Structures of Cyclostationary Signals for
Data-Driven Single-Channel Source Separation [98.95383921866096]
単一チャネルソース分離(SCSS)の問題点について検討する。
我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。
本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2022-08-22T14:04:56Z) - Direct Localization in Underwater Acoustics via Convolutional Neural
Networks: A Data-Driven Approach [31.399611901926583]
ダイレクトローカライゼーション(DLOC)法は、一般的に間接的な2段階法よりも優れている。
水中音響DLOC法は環境の事前の知識を必要とする。
そこで本研究では,データ駆動型DLOC法を提案する。
論文 参考訳（メタデータ） (2022-07-20T22:40:11Z) - Verification of Sigmoidal Artificial Neural Networks using iSAT [0.0]
SMTソルバiSATにシグモイド関数の専用間隔制約プロパゲータを実装した。
本手法は,iSATで利用可能な基本的な算術的特徴と近似的アプローチを用いて,シグモイド関数を符号化する構成的アプローチと比較する。
論文 参考訳（メタデータ） (2022-07-14T09:08:38Z) - LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法
提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。
推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
論文 参考訳（メタデータ） (2022-02-01T20:27:46Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - Learning Robust Beamforming for MISO Downlink Systems [14.429561340880074]
基地局は、不完全なチャネル状態情報(CSI)とその特徴だけで効率的なマルチアンテナ伝送戦略を特定する。
深層ニューラルネットワーク(DNN)を実世界の伝播環境に合わせて最適化した堅牢なトレーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-02T09:56:35Z) - Reinforcement Learning for Datacenter Congestion Control [50.225885814524304]
渋滞制御アルゴリズムの成功は、レイテンシとネットワーク全体のスループットを劇的に改善する。
今日まで、このような学習ベースのアルゴリズムはこの領域で実用的な可能性を示さなかった。
実世界のデータセンターネットワークの様々な構成に一般化することを目的としたRLに基づくアルゴリズムを考案する。
本稿では,この手法が他のRL手法よりも優れており,トレーニング中に見られなかったシナリオに一般化可能であることを示す。
論文 参考訳（メタデータ） (2021-02-18T13:49:28Z) - FedPD: A Federated Learning Framework with Optimal Rates and Adaptivity
to Non-IID Data [59.50904660420082]
フェデレートラーニング(FL)は、分散データから学ぶための一般的なパラダイムになっています。
クラウドに移行することなく、さまざまなデバイスのデータを効果的に活用するために、Federated Averaging(FedAvg)などのアルゴリズムでは、"Computation then aggregate"(CTA)モデルを採用している。
論文 参考訳（メタデータ） (2020-05-22T23:07:42Z)
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。