論文の概要: Multi-Base Station Cooperative Sensing with AI-Aided Tracking
- arxiv url: http://arxiv.org/abs/2310.20403v1
- Date: Tue, 31 Oct 2023 12:27:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 15:21:01.336298
- Title: Multi-Base Station Cooperative Sensing with AI-Aided Tracking
- Title（参考訳）: AIを用いたマルチベースステーション協調センシング
- Authors: Elia Favarelli, Elisabetta Matricardi, Lorenzo Pucci, Enrico Paolini,
Wen Xu, Andrea Giorgetti
- Abstract要約: 核融合センター(FC)を介して協調する複数の基地局(BS)からなる共同センシング・通信ネットワークについて検討する。
筆者らのフレームワークは,60cm未満の最適サブパターン割り当て(OSPA)を実現することで,優れたセンシング性能を提供できることを示す。
- 参考スコア（独自算出の注目度）: 10.400855135405251
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we investigate the performance of a joint sensing and
communication (JSC) network consisting of multiple base stations (BSs) that
cooperate through a fusion center (FC) to exchange information about the sensed
environment while concurrently establishing communication links with a set of
user equipments (UEs). Each BS within the network operates as a monostatic
radar system, enabling comprehensive scanning of the monitored area and
generating range-angle maps that provide information regarding the position of
a group of heterogeneous objects. The acquired maps are subsequently fused in
the FC. Then, a convolutional neural network (CNN) is employed to infer the
category of the targets, e.g., pedestrians or vehicles, and such information is
exploited by an adaptive clustering algorithm to group the detections
originating from the same target more effectively. Finally, two multi-target
tracking algorithms, the probability hypothesis density (PHD) filter and
multi-Bernoulli mixture (MBM) filter, are applied to estimate the state of the
targets. Numerical results demonstrated that our framework could provide
remarkable sensing performance, achieving an optimal sub-pattern assignment
(OSPA) less than 60 cm, while keeping communication services to UEs with a
reduction of the communication capacity in the order of 10% to 20%. The impact
of the number of BSs engaged in sensing is also examined, and we show that in
the specific case study, 3 BSs ensure a localization error below 1 m.
- Abstract（参考訳）: 本研究では,複数の基地局(bss)を融合センター(fc)を介して連携させ,複数のユーザ機器(ues)との通信リンクを併設しながら,センシング環境に関する情報を交換するジョイントセンシング・アンド・コミュニケーション(jsc)ネットワークの性能について検討する。
ネットワーク内の各bsはモノスタティックレーダシステムとして動作し、監視対象領域を包括的に走査し、異種物体群の位置に関する情報を提供するレンジアングルマップを生成する。
獲得した地図は後にFCで融合される。
次に、畳み込みニューラルネットワーク(cnn)を用いて、歩行者や車両などの対象のカテゴリを推定し、その情報を適応クラスタリングアルゴリズムにより活用し、同一ターゲットから検出した検出をより効果的にグループ化する。
最後に, 確率仮説密度 (phd) フィルタとマルチバーヌーリ混合フィルタ (mbm) の2つのマルチターゲット追跡アルゴリズムを適用し, ターゲットの状態の推定を行った。
その結果, 通信容量を10%から20%に抑えつつ, 通信サービスをUEに維持しながら, 最適サブパターン割り当て(OSPA)を60cm未満で達成できることがわかった。
また, センサに係わるBS数の影響についても検討し, 特定の症例では, 3つのBSが1m未満の局所誤差を保証していることを示す。
関連論文リスト
- ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Deep learning approach for interruption attacks detection in LEO
satellite networks [0.0]
本研究の目的は、深層学習アルゴリズムを用いた低地球軌道(textsfLEO)衛星ネットワークの割り込み検出戦略を提供することである。
我々は、MLP(Multi Layer Perceptron)、CNN(Convolutional Neural Network)、RNN(Recurrent Neural Network)、Gated Recurrent Units(GRU)など、さまざまなディープラーニングアルゴリズムをテストする。
論文 参考訳（メタデータ） (2022-12-10T21:21:14Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳（メタデータ） (2022-10-14T12:35:32Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - A Unified Transformer Framework for Group-based Segmentation:
Co-Segmentation, Co-Saliency Detection and Video Salient Object Detection [59.21990697929617]
人間は、ダイナミックな世界に住んでいるので、画像のグループやビデオのフレームから学ぶことによってオブジェクトをマイニングする傾向があります。
従来のアプローチでは、類似したタスクで異なるネットワークを個別に設計するが、互いに適用するのは困難である。
UFO(UnifiedObject Framework for Co-Object Framework)という,これらの問題に対処するための統一フレームワークを導入する。
論文 参考訳（メタデータ） (2022-03-09T13:35:19Z) - TC-Net: Triple Context Network for Automated Stroke Lesion Segmentation [0.5482532589225552]
本稿では,空間的コンテキスト情報を中心として,新たなネットワークである Triple Context Network (TC-Net) を提案する。
我々のネットワークはオープンデータセットATLASで評価され、最高スコアは0.594、ハウスドルフ距離は27.005mm、平均対称性表面距離は7.137mmである。
論文 参考訳（メタデータ） (2022-02-28T11:12:16Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T14:11:53Z) - Disentangle Your Dense Object Detector [82.22771433419727]
深層学習に基づく高密度物体検出器はここ数年で大きな成功を収め、ビデオ理解などのマルチメディアアプリケーションにも応用されてきた。
しかし、現在の高密度検出器の訓練パイプラインは、保持できない多くの接続に妥協されている。
そこで本研究では, 簡易かつ効果的な遠心分離機構を設計し, 現在の最先端検出器に統合するDED(Disentangled Dense Object Detector)を提案する。
論文 参考訳（メタデータ） (2021-07-07T00:52:16Z) - SCNet: Training Inference Sample Consistency for Instance Segmentation [15.963615360741356]
本稿では、トレーニング時のサンプルのIoU分布が推論時のそれに近いことを確認するために、サンプル一貫性ネットワーク(SCNet)と呼ばれるアーキテクチャを提案する。
標準データセットを用いた実験では,ボックスAP,マスクAP,推論速度など,複数の評価指標に対して提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-12-18T10:26:54Z) - Self-grouping Convolutional Neural Networks [30.732298624941738]
本稿では,SG-CNNと呼ばれる自己グループ型畳み込みニューラルネットワークの設計手法を提案する。
各フィルタについて、まず入力チャネルの重要度を評価し、重要度ベクトルを同定する。
得られたデータに依存したセントロイドを用いて、重要でない接続を創り出し、プルーニングの精度損失を暗黙的に最小化する。
論文 参考訳（メタデータ） (2020-09-29T06:24:32Z)
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。