論文の概要: Autoregressive Attention Neural Networks for Non-Line-of-Sight User
Tracking with Dynamic Metasurface Antennas
- arxiv url: http://arxiv.org/abs/2310.19767v1
- Date: Mon, 30 Oct 2023 17:38:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 18:54:19.745633
- Title: Autoregressive Attention Neural Networks for Non-Line-of-Sight User
Tracking with Dynamic Metasurface Antennas
- Title（参考訳）: 動的メタサーフェスアンテナを用いた非視線ユーザトラッキングのための自己回帰注意型ニューラルネットワーク
- Authors: Kyriakos Stylianopoulos, Murat Bayraktar, Nuria Gonz\'alez Prelcic,
George C. Alexandropoulos
- Abstract要約: 非LoSマルチパス設定に特化して設計された,ユーザ追跡のための2段階の機械学習ベースのアプローチを提案する。
新しく提案された注目に基づくニューラルネットワーク(NN)は、ノイズの多いチャネル応答を潜在的なユーザ位置にマッピングするために最初に訓練される。
第2の段階として、NNの過去のユーザ位置の予測は学習可能な自己回帰モデルに渡される。
- 参考スコア（独自算出の注目度）: 20.416982017315014
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: User localization and tracking in the upcoming generation of wireless
networks have the potential to be revolutionized by technologies such as the
Dynamic Metasurface Antennas (DMAs). Commonly proposed algorithmic approaches
rely on assumptions about relatively dominant Line-of-Sight (LoS) paths, or
require pilot transmission sequences whose length is comparable to the number
of DMA elements, thus, leading to limited effectiveness and considerable
measurement overheads in blocked LoS and dynamic multipath environments. In
this paper, we present a two-stage machine-learning-based approach for user
tracking, specifically designed for non-LoS multipath settings. A newly
proposed attention-based Neural Network (NN) is first trained to map noisy
channel responses to potential user positions, regardless of user mobility
patterns. This architecture constitutes a modification of the prominent vision
transformer, specifically modified for extracting information from
high-dimensional frequency response signals. As a second stage, the NN's
predictions for the past user positions are passed through a learnable
autoregressive model to exploit the time-correlated channel information and
obtain the final position predictions. The channel estimation procedure
leverages a DMA receive architecture with partially-connected radio frequency
chains, which results to reduced numbers of pilots. The numerical evaluation
over an outdoor ray-tracing scenario illustrates that despite LoS blockage,
this methodology is capable of achieving high position accuracy across various
multipath settings.
- Abstract（参考訳）: 次世代無線ネットワークにおけるユーザのローカライゼーションと追跡は、ダイナミックメタサーフェスアンテナ(DMA)のような技術によって革新される可能性がある。
一般的に提案されているアルゴリズム的アプローチは、比較的支配的なLine-of-Sight(LoS)パスの仮定に依存するか、DMA要素数に匹敵する長さのパイロット送信シーケンスを必要とする。
本稿では,ユーザトラッキングのための2段階の機械学習に基づくアプローチを提案する。
新たに提案するアテンションベースニューラルネットワーク(nn)は,ユーザモビリティパターンによらず,ノイズの多いチャネル応答を潜在的なユーザ位置にマッピングするように訓練された。
このアーキテクチャは、高次元の周波数応答信号から情報を抽出するために特に修正された顕著な視覚トランスの修正を構成する。
第2段階として、過去のユーザ位置に対するnnの予測を学習可能な自己回帰モデルに通し、時間相関チャネル情報を利用して最終位置予測を得る。
チャネル推定手法は、部分的に接続された無線周波数チェーンを持つDMA受信アーキテクチャを活用し、パイロット数が減少する。
屋外光線追跡のシナリオに対する数値的な評価は、LoSブロックにもかかわらず、様々なマルチパス設定で高い位置精度を達成することができることを示している。
関連論文リスト
- Deep Learning Based Channel Estimation in High Mobility Communications
Using Bi-RNN Networks [7.310043452300738]
本稿では,2重選択チャネルを正確に推定する最適化された双方向リカレントニューラルネットワーク (Bi-RNN) を用いたチャネル推定手法を提案する。
開発されたBi-GRU推定器は、最近提案されたCNNベースの推定器を、異なる移動シナリオで大幅に上回っている。
論文 参考訳（メタデータ） (2023-04-29T09:20:28Z) - Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable
Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。
しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。
本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
論文 参考訳（メタデータ） (2022-09-18T03:07:37Z) - Interference Cancellation GAN Framework for Dynamic Channels [74.22393885274728]
チャネルのあらゆる変更に適応できるオンライントレーニングフレームワークを導入します。
我々のフレームワークは、非常にダイナミックなチャネル上での最近のニューラルネットワークモデルよりも大幅に優れています。
論文 参考訳（メタデータ） (2022-08-17T02:01:18Z) - 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) - CSI Feedback with Model-Driven Deep Learning of Massive MIMO Systems [0.0]
モデル駆動深層学習に基づく2段階低ランクCSIフィードバック方式を提案する。
さらに、より効率的なCSIフィードバックを実現するために、高速反復収縮しきい値アルゴリズム(FISTA)を展開させることにより、FISTA-Netというディープ反復ニューラルネットワークを設計する。
論文 参考訳（メタデータ） (2021-12-13T03:50:43Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - MAF-GNN: Multi-adaptive Spatiotemporal-flow Graph Neural Network for
Traffic Speed Forecasting [3.614768552081925]
交通速度予測のためのマルチ適応時空間フローグラフニューラルネットワーク(MAF-GNN)を提案する。
MAF-GNNは、トラフィックノード間の複数の遅延空間依存性をキャプチャする、効果的なマルチアダプティブ・アジャシエイト・マトリクス機構を導入している。
パブリックトラフィックネットワークの2つの実世界のデータセットであるMETR-LAとPeMS-Bayでは、他のモデルよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2021-08-08T09:06:43Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Deep Learning-Based Active User Detection for Grant-free SCMA Systems [12.565459084483045]
グループベースのディープニューラルネットワークアクティブユーザ検出方式を2つ提案する。
スキームは非線形マッピング、すなわち多次元コードブック構造とチャネル特性を学ぶ。
オフラインで事前訓練されたモデルは、チャネル状態情報なしでアクティブなデバイスを検出することができる。
論文 参考訳（メタデータ） (2021-06-21T15:34:14Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - 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。