論文の概要: Robust and Efficient Fault Diagnosis of mm-Wave Active Phased Arrays
using Baseband Signal
- arxiv url: http://arxiv.org/abs/2306.04360v1
- Date: Wed, 7 Jun 2023 11:46:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 14:51:50.026456
- Title: Robust and Efficient Fault Diagnosis of mm-Wave Active Phased Arrays
using Baseband Signal
- Title(参考訳): ベースバンド信号を用いたmm波アクティブフェーズドアレイのロバストで効率的な故障診断
- Authors: Martin H. Nielsen, Yufeng Zhang, Changbin Xue, Jian Ren, Yingzeng Yin,
Ming Shen, and Gert F. Pedersen
- Abstract要約: 5Gおよび6G無線における1つの重要な通信ブロックは、アクティブフェイズドアレイ(APA)である。
本稿では, ベースバンド内位相に隠された特徴を抽出するためのDeep Neural Network (DNN) を利用した新しい手法を提案する。
APAの欠陥要素やコンポーネントの迅速かつ正確な診断には、1つの測定ポイントに1つのプローブしか必要としない。
- 参考スコア(独自算出の注目度): 10.64967731507698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One key communication block in 5G and 6G radios is the active phased array
(APA). To ensure reliable operation, efficient and timely fault diagnosis of
APAs on-site is crucial. To date, fault diagnosis has relied on measurement of
frequency domain radiation patterns using costly equipment and multiple
strictly controlled measurement probes, which are time-consuming, complex, and
therefore infeasible for on-site deployment. This paper proposes a novel method
exploiting a Deep Neural Network (DNN) tailored to extract the features hidden
in the baseband in-phase and quadrature signals for classifying the different
faults. It requires only a single probe in one measurement point for fast and
accurate diagnosis of the faulty elements and components in APAs.
Validation of the proposed method is done using a commercial 28 GHz APA.
Accuracies of 99% and 80% have been demonstrated for single- and multi-element
failure detection, respectively. Three different test scenarios are
investigated: on-off antenna elements, phase variations, and magnitude
attenuation variations. In a low signal to noise ratio of 4 dB, stable fault
detection accuracy above 90% is maintained. This is all achieved with a
detection time of milliseconds (e.g 6~ms), showing a high potential for on-site
deployment.
- Abstract(参考訳): 5Gおよび6G無線における重要な通信ブロックは、アクティブフェイズドアレイ(APA)である。
現場でのapasの効率的かつタイムリーな診断が重要である。
これまで、障害診断は、コストのかかる機器と複数の厳密に制御された測定プローブを用いた周波数領域の放射線パターンの測定に依存してきた。
本稿では,ベースバンド内位相および二次信号に隠された特徴を抽出し,異なる障害を分類する深層ニューラルネットワーク(dnn)を用いた新しい手法を提案する。
APAの欠陥要素やコンポーネントの迅速かつ正確な診断には、1つの測定ポイントに1つのプローブしか必要としない。
提案手法の検証は商用28GHz APAを用いて行う。
単要素および多要素故障検出では, それぞれ99%, 80%の精度が示された。
オンオフアンテナ素子、位相変動、マグニチュード減衰変動の3つの異なるテストシナリオが検討されている。
4dBの低信号対雑音比では、90%以上の安定した故障検出精度が維持される。
これはすべてミリ秒(例えば6~ms)の検知時間で達成され、オンサイトデプロイの可能性が高い。
関連論文リスト
- Joint Attention-Guided Feature Fusion Network for Saliency Detection of
Surface Defects [69.39099029406248]
本稿では,エンコーダ・デコーダネットワークに基づく表面欠陥検出のための共同注意誘導型特徴融合ネットワーク(JAFFNet)を提案する。
JAFFNetは、主にJAFFモジュールをデコードステージに組み込んで、低レベルと高レベルの機能を適応的に融合させる。
SD- Saliency-900, Magnetic tile, and DAGM 2007 で行った実験から,本手法が他の最先端手法と比較して有望な性能を達成できたことが示唆された。
論文 参考訳(メタデータ) (2024-02-05T08:10:16Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳(メタデータ) (2023-09-22T06:19:11Z) - In situ Fault Diagnosis of Indium Tin Oxide Electrodes by Processing
S-Parameter Patterns [2.1178416840822027]
酸化インジウム(ITO)電極は、ディスプレイ、センサー、太陽電池などの光エレクトロニクスにおいて重要な役割を担っている。
従来の視覚検査は透明ITO電極では困難である。
次に、多層パーセプトロン(MLP)、畳み込みニューラルネットワーク(CNN)、トランスフォーマーなどのディープラーニングアプローチを使用して、欠陥の原因と重症度を同時に解析する。
論文 参考訳(メタデータ) (2023-08-16T08:33:50Z) - Data-driven design of fault diagnosis for three-phase PWM rectifier
using random forests technique with transient synthetic features [2.382536770336505]
3相パルス幅変調(PWM)は通常、絶縁ゲートバイポーラトランジスタ(IGBT)の開回路欠陥の発生時に動作を維持することができる。
データ駆動型オンライン故障診断手法を提案する。
論文 参考訳(メタデータ) (2022-11-02T05:48:30Z) - Fault Diagnosis for Power Electronics Converters based on Deep
Feedforward Network and Wavelet Compression [5.70513135030323]
本稿では, 送電網とウェーブレット圧縮に基づくパワーエレクトロニクスコンバータの故障診断手法を提案する。
故障診断分類器の平均精度は97%を超える。
論文 参考訳(メタデータ) (2022-10-27T07:34:50Z) - Deep Scattering Spectrum germaneness to Fault Detection and Diagnosis
for Component-level Prognostics and Health Management (PHM) [0.0]
本研究は,産業用ロボットの機械的構成要素に対するDES(Deep Scattering Spectrum)の故障検出とデイグナシスとの関連性について考察する。
複数の産業用ロボットと異なる機械的欠陥を使って、障害を分類するアプローチを構築しました。
提案手法は, 実用試験台に実装され, 故障検出および診断において良好な性能を示した。
論文 参考訳(メタデータ) (2022-10-18T13:25:02Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳(メタデータ) (2022-09-23T06:09:35Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳(メタデータ) (2022-01-20T06:36:35Z) - TadGAN: Time Series Anomaly Detection Using Generative Adversarial
Networks [73.01104041298031]
TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。
時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。
提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
論文 参考訳(メタデータ) (2020-09-16T15:52:04Z) - Intelligent Protection & Classification of Transients in Two-Core
Symmetric Phase Angle Regulating Transformers [0.0]
内部断層は99.9%のバランス精度で検出され、故障ユニットは98.7%のバランス精度でローカライズされ、非デフォルトのトランジェントは99.5%のバランス精度で分類される。
提案手法は、既存のマイクロプロセッサベースのディファレンシャルリレーの動作を監視でき、安定性と信頼性が向上する。
論文 参考訳(メタデータ) (2020-06-17T13:42:58Z) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳(メタデータ) (2020-03-11T00:22:50Z)
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。