Fugu-MT 論文翻訳(概要): Performance Analysis of Fixed Broadband Wireless Access in mmWave Band in 5G

論文の概要: Performance Analysis of Fixed Broadband Wireless Access in mmWave Band in 5G

arxiv url: http://arxiv.org/abs/2312.09467v1
Date: Tue, 28 Nov 2023 07:38:38 GMT
ステータス: 処理完了
システム内更新日: 2024-01-15 14:13:52.386274
Title: Performance Analysis of Fixed Broadband Wireless Access in mmWave Band in 5G
Title（参考訳）: ミリ波帯5gにおける固定広帯域無線アクセスの性能解析
Authors: Soumya Banerjee, Sarada Prasad Gochhayat, and Sachin Shetty
Abstract要約: 本研究は、5G帯のミリ波帯における固定ブロードバンド無線アクセスの伝送データについて検討する。本稿では,リアルタイム学習と伝送特性の分類のためのオンライン機械学習アプローチを提案する。本研究は,送信データから送信角度と距離を直接高精度に検出できることを実証するものである。
参考スコア（独自算出の注目度）: 3.9940425551415597
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: An end-to-end fiber-based network holds the potential to provide multi-gigabit fixed access to end-users. However, deploying fiber access, especially in areas where fiber is non-existent, can be time-consuming and costly, resulting in delayed returns for Operators. This work investigates transmission data from fixed broadband wireless access in the mmWave band in 5G. Given the growing interest in this domain, understanding the transmission characteristics of the data becomes crucial. While existing datasets for the mmWave band are available, they are often generated from simulated environments. In this study, we introduce a dataset compiled from real-world transmission data collected from the Fixed Broadband Wireless Access in mmWave Band device (RWM6050). The aim is to facilitate self-configuration based on transmission characteristics. To achieve this, we propose an online machine learning-based approach for real-time training and classification of transmission characteristics. Additionally, we present two advanced temporal models for more accurate classifications. Our results demonstrate the ability to detect transmission angle and distance directly from the analysis of transmission data with very high accuracy, reaching up to 99% accuracy on the combined classification task. Finally, we outline promising future research directions based on the collected data.
Abstract（参考訳）: エンド・ツー・エンドのファイバベースネットワークは、エンドユーザーに複数ギガビットの固定アクセスを提供する可能性を秘めている。しかし、ファイバーアクセスの展開、特にファイバーが存在しない地域では、時間がかかりコストがかかるため、オペレーターのリターンが遅れる。本研究は5gのmm波帯における固定広帯域無線アクセスからの伝送データについて検討する。この領域への関心が高まる中、データの伝達特性を理解することが重要となる。 mmWaveバンドの既存のデータセットは利用可能だが、しばしばシミュレーション環境から生成される。本研究では,固定広帯域無線アクセス(rwm6050)から収集した実世界の伝送データから得られたデータセットを提案する。送信特性に基づく自己設定を容易にすることを目的とする。そこで本稿では,リアルタイム学習と伝送特性の分類を行うオンライン機械学習手法を提案する。さらに,より正確な分類のための2つの時間モデルを提案する。以上の結果から,送信データの解析結果から,送信角度と距離を高い精度で直接検出でき,組み合わせ分類タスクにおいて最大99%の精度で検出できることを示した。最後に,収集データに基づく今後の研究方向性について概説する。

関連論文リスト

Practical Commercial 5G Standalone (SA) Uplink Throughput Prediction [12.675818403052041]
我々は,過去のアップリンクスループットとRFパラメータに基づいて,将来的なアップリンクスループットを予測するために,ConvLSTMベースのニューラルネットワークを提案する。このネットワークは、通勤列車に乗りながら商用の5G SAネットワークで実世界のドライブテストのデータを用いて訓練されている。我々のモデルは平均予測精度98.9%に達し、平均RMSEは1.80Mbpsである。
論文参考訳（メタデータ） (2023-07-23T20:01:18Z)
A CSI Dataset for Wireless Human Sensing on 80 MHz Wi-Fi Channels [10.056835910435499]
本稿では,80MHz帯におけるIEEE 802.11acチャネル計測のデータセットについて述べる。全体として、データセットは13時間以上のチャネル状態情報読み込み(23.6GB)を含んでいる。
論文参考訳（メタデータ） (2023-04-29T15:57:36Z)
Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文参考訳（メタデータ） (2023-03-03T23:46:25Z)
Sensing-Throughput Tradeoffs with Generative Adversarial Networks for NextG Spectrum Sharing [3.6582851384058594]
スペクトル共存は、次世代(NextG)システムにおいて、既存の(一次)ユーザとスペクトルを共有するために不可欠である。本稿では,GAN(Generative Adversarial Network)アプローチを用いて合成センシング結果を生成し,深層ニューラルネットワークのトレーニングデータを増強する手法を提案する。このGANベースのアプローチは,高優先度ユーザの保護とNextGユーザのスループットの両方を著しく改善できることを示す。
論文参考訳（メタデータ） (2022-12-27T20:15:09Z)
A Synthetic Dataset for 5G UAV Attacks Based on Observable Network Parameters [3.468596481227013]
本稿では,5G以降のネットワークにおける無人航空機(UAV)攻撃のための最初の合成データセットを提案する。このデータの主な目的は、UAV通信セキュリティのためのディープネットワーク開発を可能にすることである。提案したデータセットは、都市環境において、静的または移動中のUAV攻撃者が認証されたUAVをターゲットにする際のネットワーク機能に関する洞察を提供する。
論文参考訳（メタデータ） (2022-11-05T15:12:51Z)
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)
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)
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)
Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。本稿では,信号前処理に着目した手法の概要を示す。また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文参考訳（メタデータ） (2021-04-09T01:38:34Z)
Deep Learning for Moving Blockage Prediction using Real Millimeter Wave Measurements [18.365889583730507]
ミリ波(mmWave)通信は5G以降の重要なコンポーネントである。視覚リンクラインの突然の遮断は、ネットワークの信頼性に影響を与える突然の切断につながります。我々は,ブロック前シグネチャと呼ぶものを観測することで,将来のブロックを予測する機械学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-18T05:34:37Z)
A Big Data Enabled Channel Model for 5G Wireless Communication Systems [71.93009775340234]
本稿では,ビッグデータ解析,特に無線通信およびチャネルモデリングにおける機械学習アルゴリズムの様々な応用について検討する。本稿では,ビッグデータと機械学習を利用した無線チャネルモデルフレームワークを提案する。提案するチャネルモデルは、フィードフォワードニューラルネットワーク(FNN)やラジアル基底関数ニューラルネットワーク(RBF-NN)を含む、人工ニューラルネットワーク(ANN)に基づいている。
論文参考訳（メタデータ） (2020-02-28T05:56:14Z)

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。