論文の概要: Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition
- arxiv url: http://arxiv.org/abs/2307.06834v1
- Date: Thu, 22 Jun 2023 10:10:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-16 03:16:02.435165
- Title: Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition
- Title（参考訳）: フェデレーションmm波ネットワークの信頼性向上 -レーダ支援動的ブロック認識を用いた実用的なスケーラブルな解法-
- Authors: Mohammad Al-Quraan, Ahmed Zoha, Anthony Centeno, Haythem Bany Salameh,
Sami Muhaidat, Muhammad Ali Imran, Lina Mohjazi
- Abstract要約: 本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
- 参考スコア（独自算出の注目度）: 14.18507067281377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article introduces a new method to improve the dependability of
millimeter-wave (mmWave) and terahertz (THz) network services in dynamic
outdoor environments. In these settings, line-of-sight (LoS) connections are
easily interrupted by moving obstacles like humans and vehicles. The proposed
approach, coined as Radar-aided Dynamic blockage Recognition (RaDaR), leverages
radar measurements and federated learning (FL) to train a dual-output neural
network (NN) model capable of simultaneously predicting blockage status and
time. This enables determining the optimal point for proactive handover (PHO)
or beam switching, thereby reducing the latency introduced by 5G new radio
procedures and ensuring high quality of experience (QoE). The framework employs
radar sensors to monitor and track objects movement, generating range-angle and
range-velocity maps that are useful for scene analysis and predictions.
Moreover, FL provides additional benefits such as privacy protection,
scalability, and knowledge sharing. The framework is assessed using an
extensive real-world dataset comprising mmWave channel information and radar
data. The evaluation results show that RaDaR substantially enhances network
reliability, achieving an average success rate of 94% for PHO compared to
existing reactive HO procedures that lack proactive blockage prediction.
Additionally, RaDaR maintains a superior QoE by ensuring sustained high
throughput levels and minimising PHO latency.
- Abstract（参考訳）: 本稿では,動的屋外環境におけるミリ波(mmwave)とテラヘルツ(thz)ネットワークサービスの信頼性を向上させる新しい手法を提案する。
これらの設定では、人間や車両のような動く障害物によって、視線(los)接続が簡単に中断される。
提案手法はradar(radar-assisted dynamic blockage recognition)と呼ばれ、レーダー計測と連合学習(fl)を利用して、ブロック状態と時間を同時に予測できる2重出力ニューラルネットワーク(nn)モデルを訓練する。
これにより、プロアクティブハンドオーバ(PHO)やビームスイッチングの最適点を決定することができ、5Gの新しい無線プロシージャによる遅延を低減し、高い品質のエクスペリエンス(QoE)を確保することができる。
このフレームワークはレーダーセンサーを使用して物体の動きを監視し追跡し、シーン分析や予測に有用なレンジ角とレンジ速度マップを生成する。
さらにflは、プライバシ保護、スケーラビリティ、知識共有といった追加のメリットも提供する。
このフレームワークはmmwaveチャンネル情報とレーダーデータを含む広範囲な実世界データセットを用いて評価される。
評価の結果,RaDaRはネットワーク信頼性を著しく向上し,PHOに対する平均成功率は94%であった。
さらに、RaDaRは高いスループットレベルを確保し、PHOレイテンシを最小限にすることで、優れたQoEを維持している。
関連論文リスト
- RIMformer: An End-to-End Transformer for FMCW Radar Interference Mitigation [1.8063750621475454]
RIMformerと呼ばれる新しいFMCWレーダ干渉緩和法は、エンドツーエンドのTransformerベース構造を用いて提案される。
このアーキテクチャは、時間領域IF信号をエンドツーエンドで処理するように設計されている。
その結果,提案したRIMformerは干渉を効果的に軽減し,ターゲット信号の復元を可能にすることがわかった。
論文 参考訳（メタデータ） (2024-07-16T07:51:20Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - End-to-End Training of Neural Networks for Automotive Radar Interference
Mitigation [9.865041274657823]
本稿では,周波数変調連続波(WFMC)レーダ相互干渉緩和のためのニューラルネットワーク(NN)のトレーニング手法を提案する。
NNが干渉されたレーダー信号をきれいにするために訓練する代わりに、NNをオブジェクト検出マップ上で直接訓練する。
我々は,レーダを用いた物体検出のアルゴリズムであるCA-CFARピーク検出器の連続的な緩和を行う。
論文 参考訳（メタデータ） (2023-12-15T13:47:16Z) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2023-05-22T07:09:35Z) - Automotive RADAR sub-sampling via object detection networks: Leveraging
prior signal information [18.462990836437626]
自動運転技術への関心が高まり、自動車レーダーはますます注目を集めている。
本研究では,従来の環境条件の知識に基づいて,より詳細な/正確な再構築を必要とする地域を特定するための適応型レーダサブサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-21T05:32:28Z) - Deep Impulse Responses: Estimating and Parameterizing Filters with Deep
Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。
本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-07T18:57:23Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - Quantized Neural Networks for Radar Interference Mitigation [14.540226579203207]
CNNに基づくノイズ除去と干渉緩和のアプローチはレーダ処理に有望な結果をもたらす。
本稿では,CNNに基づくレーダ信号のノイズ除去と干渉緩和のための量子化手法について検討する。
論文 参考訳（メタデータ） (2020-11-25T13:18:06Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar
Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。
自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文 参考訳（メタデータ） (2020-10-02T00:13:00Z) - Deep Reinforcement Learning Control for Radar Detection and Tracking in
Congested Spectral Environments [8.103366584285645]
レーダは、他のシステムとの相互干渉を軽減するために、その線形周波数変調(LFM)波形の帯域幅と中心周波数を変化させることを学ぶ。
DQLベースのアプローチを拡張して、ダブルQ-ラーニングとリカレントニューラルネットワークを組み込んで、ダブルディープリカレントQ-ネットワークを形成する。
実験結果から,提案手法は集束スペクトル環境におけるレーダ検出性能を大幅に向上させることが示された。
論文 参考訳（メタデータ） (2020-06-23T17:21:28Z)
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。