論文の概要: RNN-Based GNSS Positioning using Satellite Measurement Features and
Pseudorange Residuals
- arxiv url: http://arxiv.org/abs/2306.05319v1
- Date: Thu, 8 Jun 2023 16:11:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 13:27:26.593032
- Title: RNN-Based GNSS Positioning using Satellite Measurement Features and
Pseudorange Residuals
- Title(参考訳): 衛星観測特徴と擬似残差を用いたRNNに基づくGNSS測位
- Authors: Ibrahim Sbeity, Christophe Villien, Beno\^it Denis, and E. Veronica
Belmega
- Abstract要約: この研究は、リンクワイド測定の品質要因を予測する機械学習の可能性を生かしている。
我々は、条件付き擬似乱射残差とリンク毎の衛星測度からなるカスタマイズされた行列を用いる。
大規模フィールド計測から得られた実データに関する実験結果から,提案手法の有効性が示された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the Global Navigation Satellite System (GNSS) context, the growing number
of available satellites has lead to many challenges when it comes to choosing
the most accurate pseudorange contributions, given the strong impact of biased
measurements on positioning accuracy, particularly in single-epoch scenarios.
This work leverages the potential of machine learning in predicting link-wise
measurement quality factors and, hence, optimize measurement weighting. For
this purpose, we use a customized matrix composed of heterogeneous features
such as conditional pseudorange residuals and per-link satellite metrics (e.g.,
carrier-to-noise power density ratio and its empirical statistics, satellite
elevation, carrier phase lock time). This matrix is then fed as an input to a
recurrent neural network (RNN) (i.e., a long-short term memory (LSTM) network).
Our experimental results on real data, obtained from extensive field
measurements, demonstrate the high potential of our proposed solution being
able to outperform traditional measurements weighting and selection strategies
from state-of-the-art.
- Abstract(参考訳): グローバル・ナビゲーション・サテライト・システム(GNSS)の文脈では、特に一新世のシナリオにおいて、測度が位置決め精度に強く影響していることを考えると、最も正確な擬似距離の貢献を選択することに関して、利用可能な衛星の数が増えていることが多くの課題となっている。
この研究は、リンク単位の測定品質係数を予測する機械学習の可能性を活用し、測定重み付けを最適化する。
この目的のために、条件付き擬似範囲残差やリンク毎衛星測度(例えば、キャリア間電力密度比とその経験統計、衛星高度、キャリア位相ロック時間)などの不均一な特徴からなるカスタマイズ行列を用いる。
このマトリックスは、リカレントニューラルネットワーク(recurrent neural network、rnn)(long-short term memory(lstm)ネットワーク)への入力として供給される。
大規模フィールド計測から得られた実データに対する実験結果から,提案手法が従来手法の重み付けおよび選択戦略より優れている可能性が示された。
関連論文リスト
- Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。
軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。
提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
論文 参考訳(メタデータ) (2024-04-02T11:59:58Z) - GNSS Positioning using Cost Function Regulated Multilateration and Graph
Neural Networks [0.0699049312989311]
衛星からの視線信号が高層物体によって頻繁に遮断される都市環境では、受信機は衛星範囲を測定する際に大きな誤差を受ける。
ヒューリスティック法は、これらの誤差を推定し、雑音測定が局所化精度に与える影響を減らすために一般的に用いられる。
本研究では,これらの誤り推定をグラフニューラルネットワークに基づくディープラーニングモデルに置き換える。
論文 参考訳(メタデータ) (2024-02-28T19:00:01Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳(メタデータ) (2024-02-06T13:20:56Z) - Energy-Efficient On-Board Radio Resource Management for Satellite
Communications via Neuromorphic Computing [59.40731173370976]
本研究は,エネルギー効率のよい脳誘発機械学習モデルのオンボード無線リソース管理への応用について検討する。
関連するワークロードでは、Loihi 2に実装されたスパイクニューラルネットワーク(SNN)の方が精度が高く、CNNベースのリファレンスプラットフォームと比較して消費電力が100ドル以上削減される。
論文 参考訳(メタデータ) (2023-08-22T03:13:57Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
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。
論文 参考訳(メタデータ) (2022-11-28T00:31:02Z) - An Anomaly Detection Method for Satellites Using Monte Carlo Dropout [7.848121055546167]
衛星テレメトリ時系列における不確実性を把握するために,モンテカルロ(MC)ドロップアウト法に基づくBNNのトラクタブル近似を提案する。
提案した時系列ADアプローチは,予測精度とADの両面から既存手法よりも優れている。
論文 参考訳(メタデータ) (2022-11-27T21:12:26Z) - Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with
Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。
従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
論文 参考訳(メタデータ) (2022-07-07T17:55:26Z) - CTIN: Robust Contextual Transformer Network for Inertial Navigation [20.86392550313961]
Inertial Navigation(CTIN)のための頑健なCon Transformerベースのネットワークを提案し,速度と軌道を正確に予測する。
CTINは非常に堅牢で、最先端のモデルよりも優れています。
論文 参考訳(メタデータ) (2021-12-03T19:57:34Z) - Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic
Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。
注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。
また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文 参考訳(メタデータ) (2021-10-12T22:04:19Z)
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。