論文の概要: NELoRa-Bench: A Benchmark for Neural-enhanced LoRa Demodulation
- arxiv url: http://arxiv.org/abs/2305.01573v1
- Date: Thu, 20 Apr 2023 14:09:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 15:53:32.260202
- Title: NELoRa-Bench: A Benchmark for Neural-enhanced LoRa Demodulation
- Title（参考訳）: NELoRa-Bench: ニューラルネットワークによるLoRa復調ベンチマーク
- Authors: Jialuo Du, Yidong Ren, Mi Zhang, Yunhao Liu, Zhichao Cao
- Abstract要約: 本稿では,7から10までの因子が分散した27,329個のLoRaシンボルを含むNELoRaのトレーニング/テストに使用するデータセットを提案する。
NeLoRaは標準のLoRaデコーダよりも1.84-2.35dBのSNRゲインを達成できる。
- 参考スコア（独自算出の注目度）: 18.02858236885344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-Power Wide-Area Networks (LPWANs) are an emerging Internet-of-Things
(IoT) paradigm marked by low-power and long-distance communication. Among them,
LoRa is widely deployed for its unique characteristics and open-source
technology. By adopting the Chirp Spread Spectrum (CSS) modulation, LoRa
enables low signal-to-noise ratio (SNR) communication. The standard LoRa
demodulation method accumulates the chirp power of the whole chirp into an
energy peak in the frequency domain. In this way, it can support communication
even when SNR is lower than -15 dB. Beyond that, we proposed NELoRa, a
neural-enhanced decoder that exploits multi-dimensional information to achieve
significant SNR gain. This paper presents the dataset used to train/test
NELoRa, which includes 27,329 LoRa symbols with spreading factors from 7 to 10,
for further improvement of neural-enhanced LoRa demodulation. The dataset shows
that NELoRa can achieve 1.84-2.35 dB SNR gain over the standard LoRa decoder.
The dataset and codes can be found at
https://github.com/daibiaoxuwu/NeLoRa_Dataset.
- Abstract（参考訳）: Low-Power Wide-Area Networks (LPWAN)は、低消費電力と長距離通信を特徴とするIoT(Internet-of-Things)パラダイムである。
その中でも、loraはユニークな特徴とオープンソース技術のために広く展開されている。
Chirp Spread Spectrum(CSS)変調を採用することで、LoRaは低信号対雑音比(SNR)通信を可能にする。
標準のLoRa復調法は、チャープ全体のチャープパワーを周波数領域のエネルギーピークに蓄積する。
これにより、SNRが-15dB未満であっても通信をサポートすることができる。
さらに我々は,多次元情報を利用したニューラルネットワークデコーダNELoRaを提案し,SNRの大幅な向上を実現した。
本稿では,7から10までの因子を分散させた27,329個のLoRaシンボルを含むNELoRaのトレーニング/テスト用データセットについて述べる。
このデータセットは、NELoRaが標準のLoRaデコーダよりも1.84-2.35dBのSNRを達成可能であることを示している。
データセットとコードはhttps://github.com/daibiaoxuwu/nelora_datasetにある。
関連論文リスト
- Towards Croppable Implicit Neural Representations [9.372436024276828]
Inlicit Neural Representations(INR)は、ニューラルネットワークを使って自然信号をエンコードする能力により、近年注目されている。
本稿では、編集可能なINRのアイデアを探求し、特に広く使われている収穫作業に焦点を当てる。
デザインによる収穫を支援する新しいINRアーキテクチャであるLocal-Global SIRENsを紹介する。
論文 参考訳（メタデータ） (2024-09-28T22:41:49Z) - Learning Transferable Features for Implicit Neural Representations [37.12083836826336]
Inlicit Neural representations (INR) は、逆問題やニューラルレンダリングなど、様々な応用で成功している。
我々は新しいINRトレーニングフレームワークSTRAINERを導入し、新しい信号にINRを適合させるトランスファー可能な特徴を学習する。
我々は,複数の領域内および領域外信号適合タスクおよび逆問題に対するSTRAINERの評価を行った。
論文 参考訳（メタデータ） (2024-09-15T00:53:44Z) - Locality-Aware Generalizable Implicit Neural Representation [54.93702310461174]
一般化可能な暗黙的ニューラル表現(INR)は、単一の連続関数が複数のデータインスタンスを表現することを可能にする。
本稿では、変換器エンコーダと局所性を考慮したINRデコーダを組み合わせた一般化可能なINRのための新しいフレームワークを提案する。
我々のフレームワークは、従来の一般化可能なINRよりも大幅に優れており、下流タスクにおける局所性を考慮した潜在能力の有効性を検証している。
論文 参考訳（メタデータ） (2023-10-09T11:26:58Z) - Efficient View Synthesis with Neural Radiance Distribution Field [61.22920276806721]
我々は,リアルタイムに効率的なビュー合成を目標とするニューラルレージアンス分布場(NeRDF)という新しい表現を提案する。
我々は、NeLFのように1ピクセル当たりの1つのネットワーク転送でレンダリング速度を保ちながら、NeRFに似た小さなネットワークを使用する。
実験の結果,提案手法は既存の手法よりも速度,品質,ネットワークサイズとのトレードオフが良好であることがわかった。
論文 参考訳（メタデータ） (2023-08-22T02:23:28Z) - DReg-NeRF: Deep Registration for Neural Radiance Fields [66.69049158826677]
我々は,人間の介入なしにオブジェクト中心のアノテートシーンにおけるNeRF登録問題を解くためにDReg-NeRFを提案する。
提案手法は,SOTAポイントクラウド登録方式を大きなマージンで打ち負かす。
論文 参考訳（メタデータ） (2023-08-18T08:37:49Z) - NeRF2: Neural Radio-Frequency Radiance Fields [11.09253326813424]
NeRF$textbf2$は、RF信号の伝搬を理解する連続ボリュームシーン関数を表す。
NeRF$textbf2$は、送信機の位置を知っているとき、どのような信号がどの位置で受信されたかを知ることができる。
論文 参考訳（メタデータ） (2023-05-10T13:09:57Z) - 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) - Neural Vocoder is All You Need for Speech Super-resolution [56.84715616516612]
音声スーパーレゾリューション(SR)は、高周波成分を生成して音声サンプリング率を高めるタスクである。
既存の音声SR法は、固定的なアップサンプリング比のような制約のある実験環境で訓練される。
本稿では,ニューラルボコーダを用いた音声超解法(NVSR)を提案する。
論文 参考訳（メタデータ） (2022-03-28T17:51:00Z) - Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。
本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。
低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
論文 参考訳（メタデータ） (2021-08-03T12:26:33Z) - Alignment Restricted Streaming Recurrent Neural Network Transducer [29.218353627837214]
本稿では、RNN-T損失関数の修正とアライメント制限付きRNN-Tモデルの開発について述べる。
Ar-RNN-T損失は、トークン放出遅延とワードエラーレート(WER)の間のトレードオフをナビゲートする洗練された制御を提供する。
Ar-RNN-Tモデルは、任意の遅延範囲内でトークンの放出を保証することにより、ASRエンドポイントのような下流アプリケーションを改善する。
論文 参考訳（メタデータ） (2020-11-05T19:38:54Z) - 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。