論文の概要: Machine-Learning-Based Classification of GPS Signal Reception Conditions
Using a Dual-Polarized Antenna in Urban Areas
- arxiv url: http://arxiv.org/abs/2305.03956v1
- Date: Sat, 6 May 2023 06:45:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 18:25:51.343086
- Title: Machine-Learning-Based Classification of GPS Signal Reception Conditions
Using a Dual-Polarized Antenna in Urban Areas
- Title（参考訳）: 都市におけるデュアルポーラアンテナを用いたGPS信号受信条件の機械学習による分類
- Authors: Sanghyun Kim and Jiwon Seo
- Abstract要約: 都市部では、密集した建物がしばしばグローバル測位システム(GPS)信号をブロックし、反射する。
これは都市部における信頼性の低い位置決めに繋がる重要な問題である。
デュアルポーラライズアンテナを用いてGPS信号の受信条件を分類する機械学習手法を開発した。
- 参考スコア（独自算出の注目度）: 5.01550203532856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In urban areas, dense buildings frequently block and reflect global
positioning system (GPS) signals, resulting in the reception of a few visible
satellites with many multipath signals. This is a significant problem that
results in unreliable positioning in urban areas. If a signal reception
condition from a certain satellite can be detected, the positioning performance
can be improved by excluding or de-weighting the multipath contaminated
satellite signal. Thus, we developed a machine-learning-based method of
classifying GPS signal reception conditions using a dual-polarized antenna. We
employed a decision tree algorithm for classification using three features, one
of which can be obtained only from a dual-polarized antenna. A machine-learning
model was trained using GPS signals collected from various locations. When the
features extracted from the GPS raw signal are input, the generated
machine-learning model outputs one of the three signal reception conditions:
non-line-of-sight (NLOS) only, line-of-sight (LOS) only, or LOS+NLOS. Multiple
testing datasets were used to analyze the classification accuracy, which was
then compared with an existing method using dual single-polarized antennas.
Consequently, when the testing dataset was collected at different locations
from the training dataset, a classification accuracy of 64.47% was obtained,
which was slightly higher than the accuracy of the existing method using dual
single-polarized antennas. Therefore, the dual-polarized antenna solution is
more beneficial than the dual single-polarized antenna solution because it has
a more compact form factor and its performance is similar to that of the other
solution.
- Abstract（参考訳）: 都市部では、密集した建物はしばしばgps(global positioning system)信号を遮断し反射し、多くのマルチパス信号を持ついくつかの可視衛星を受信する。
これは、都市部では信頼できない重要な問題である。
ある衛星からの信号受信条件を検出できれば、マルチパス汚染衛星信号を除いたり減重したりして位置決め性能を向上させることができる。
そこで我々は,双極アンテナを用いてGPS信号受信条件を分類する機械学習手法を開発した。
決定木アルゴリズムを用いて3つの特徴を分類し,そのうちの1つは双極性アンテナからのみ得られるものである。
機械学習モデルは、様々な場所から収集されたGPS信号を用いて訓練された。
GPS生信号から抽出された特徴が入力されると、生成された機械学習モデルは、3つの信号受信条件のうちの1つを出力する。
複数のテストデータセットを使用して分類精度を解析し、二極化アンテナを用いた既存の方法と比較した。
その結果、試験データセットがトレーニングデータセットと異なる場所で収集された場合、64.47%の分類精度が得られた。
したがって、デュアル偏極アンテナ溶液は、よりコンパクトな形状因子を持ち、その性能は他の溶液と類似しているため、デュアル偏極アンテナ溶液よりも有益である。
関連論文リスト
- AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。
我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。
OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
論文 参考訳（メタデータ） (2024-01-30T23:13:41Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳（メタデータ） (2024-01-12T14:56:45Z) - Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。
本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。
合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文 参考訳（メタデータ） (2023-06-19T12:01:28Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - Antenna Array Calibration Via Gaussian Process Models [0.0]
アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。
アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。
まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。
一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
論文 参考訳（メタデータ） (2023-01-16T19:40:50Z) - Beurling-Selberg Extremization for Dual-Blind Deconvolution Recovery in
Joint Radar-Communications [38.440005068230576]
近年、統合センシングと通信への関心が、新しい信号処理技術の設計につながっている。
我々は、レーダと通信システムのチャネルと送信信号が共通受信機に未知なスペクトル共存シナリオに焦点を当てた。
論文 参考訳（メタデータ） (2022-11-16T22:55:12Z) - Machine Learning-Based GPS Multipath Detection Method Using Dual
Antennas [2.0539994999823334]
デュアルアンテナを用いたグローバル位置決めシステム(GPS)マルチパス検出のための機械学習手法を提案する。
テストデータセットをトレーニングデータセットと同じ場所で収集すると,82%～96%の分類精度が得られた。
しかし,テストデータセットがトレーニングデータとは異なる場所で収集された場合,分類精度は44%-77%であった。
論文 参考訳（メタデータ） (2022-04-06T04:19:57Z) - DeepAoANet: Learning Angle of Arrival from Software Defined Radios with
Deep Neural Networks [39.65462454049291]
既存のアルゴリズムは、マルチパスの有無や弱い信号システムで動作している場合、AoA(Angle of Arrival)の解決にはあまり役に立たない。
本稿では,SDRマルチチャネルデータの単一スナップショットからAoAを抽出するディープラーニング手法を提案する。
提案手法は, 衝突信号数の決定に優れた信頼性を示し, 平均絶対AoA誤差を2ドル以下で実現した。
論文 参考訳（メタデータ） (2021-12-01T18:16:13Z) - Deep Learning Based Antenna Selection for Channel Extrapolation in FDD
Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。
ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。
アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文 参考訳（メタデータ） (2020-09-03T13:38:52Z) - Deep Learning Optimized Sparse Antenna Activation for Reconfigurable
Intelligent Surface Assisted Communication [54.72880662623178]
再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。
カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。
本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
論文 参考訳（メタデータ） (2020-09-03T12:27:22Z)
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。