論文の概要: ML-Enabled Outdoor User Positioning in 5G NR Systems via Uplink SRS Channel Estimates

• arxiv url: http://arxiv.org/abs/2304.06514v1
• Date: Wed, 12 Apr 2023 06:56:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 14:25:57.020807
• Title: ML-Enabled Outdoor User Positioning in 5G NR Systems via Uplink SRS Channel Estimates
• Title（参考訳）: アップリンクsrsチャネル推定による5g nrシステムのml対応屋外ユーザ位置決め
• Authors: Andre R\'ath, Dino Pjani\'c, Bo Bernhardsson and Fredrik Tufvesson
• Abstract要約: ユーザの位置を推測するのに十分なデータを提供するために,SRS (Sounding Reference Signals) チャネル指紋を使用することが可能であることを示す。 また,小型の完全連結型深層ニューラルネットワークが,SRSデータに非常に少ない場合であっても,屋外ユーザの位置決めを成功させることができることを示す。
• 参考スコア（独自算出の注目度）: 5.926203312586109
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cellular user positioning is a promising service provided by Fifth Generation New Radio (5G NR) networks. Besides, Machine Learning (ML) techniques are foreseen to become an integrated part of 5G NR systems improving radio performance and reducing complexity. In this paper, we investigate ML techniques for positioning using 5G NR fingerprints consisting of uplink channel estimates from the physical layer channel. We show that it is possible to use Sounding Reference Signals (SRS) channel fingerprints to provide sufficient data to infer user position. Furthermore, we show that small fully-connected moderately Deep Neural Networks, even when applied to very sparse SRS data, can achieve successful outdoor user positioning with meter-level accuracy in a commercial 5G environment.
• Abstract（参考訳）: セルユーザーの位置決めは、第5世代ニューラジオ(5G NR)ネットワークが提供する有望なサービスである。 さらに、機械学習(ML)技術は、5G NRシステムに統合され、無線性能の向上と複雑さの低減を図っている。 本稿では,物理層からのアップリンクチャネル推定による5G NR指紋を用いた位置決めのためのML手法について検討する。 ユーザの位置を推測するのに十分なデータを提供するために,SRS (Sounding Reference Signals) チャネル指紋を使用することが可能であることを示す。 さらに, 小型の完全連結型深層ニューラルネットワークは, SRSデータに適用しても, 市販の5G環境において, メートルレベルの精度で屋外ユーザの位置決めを成功させることができることを示す。

関連論文リスト

• Dynamic User Grouping based on Location and Heading in 5G NR Systems [5.521045545656755]
  本研究では,5G NR の商用展開において,屋外位置と方向に基づく動的ユーザグループ化に Sounding Reference Signals チャネル指紋をどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2024-10-22T14:10:23Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• 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)
• Training Spiking Neural Networks with Local Tandem Learning [96.32026780517097]
  スパイキングニューラルネットワーク(SNN)は、前者よりも生物学的に可塑性でエネルギー効率が高いことが示されている。 本稿では,局所タンデム学習(Local Tandem Learning, LTL)と呼ばれる一般化学習規則を提案する。 CIFAR-10データセット上の5つのトレーニングエポック内に高速なネットワーク収束を示すとともに,計算複雑性が低い。
  論文  参考訳（メタデータ） (2022-10-10T10:05:00Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• Exploitation of Channel-Learning for Enhancing 5G Blind Beam Index Detection [1.9981375888949475]
  本研究は,5Gセルとビームインデックス検索の性能を機械学習技術により向上させる方法について検討する。 5Gビームインデックス検出の性能を高めるために,新しいチャネル学習手法を提案し,実装する。
  論文  参考訳（メタデータ） (2020-12-07T12:24:32Z)
• DeepRx: Fully Convolutional Deep Learning Receiver [8.739166282613118]
  DeepRxは完全な畳み込みニューラルネットワークで、周波数領域信号ストリームから5G準拠の方法で未符号化ビットへのレシーバパイプライン全体を実行する。 DeepRxは従来の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-05-04T13:53:47Z)
• A Big Data Enabled Channel Model for 5G Wireless Communication Systems [71.93009775340234]
  本稿では,ビッグデータ解析,特に無線通信およびチャネルモデリングにおける機械学習アルゴリズムの様々な応用について検討する。 本稿では,ビッグデータと機械学習を利用した無線チャネルモデルフレームワークを提案する。 提案するチャネルモデルは、フィードフォワードニューラルネットワーク(FNN)やラジアル基底関数ニューラルネットワーク(RBF-NN)を含む、人工ニューラルネットワーク(ANN)に基づいている。
  論文  参考訳（メタデータ） (2020-02-28T05:56:14Z)
• 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。