論文の概要: Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering
- arxiv url: http://arxiv.org/abs/2406.14585v1
- Date: Wed, 19 Jun 2024 10:12:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-24 18:37:49.060981
- Title: Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering
- Title（参考訳）: リアルタイムホログラムビームステアリングのための深層学習支援準曲面アンテナ
- Authors: Hyunjun Ma, Jin-soo Kim, Jong-Ho Choe, Q-Han Park,
- Abstract要約: リアルタイムなホログラフィックビームステアリングが可能な準曲面アンテナを提案する。
再構成可能なダイポールの配列は、メタ原子状態の特定のエンコーディングを通じて、オンデマンドの遠距離放射線パターンを生成することができる。
我々の学習に基づくアルゴリズムは、メタ原子状態を決定するのに200マイクロ秒以内の計算時間を必要とし、ホログラフィックアンテナのリアルタイムなオプアを可能にする。
- 参考スコア（独自算出の注目度）: 0.582445963435735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a metasurface antenna capable of real time holographic beam steering. An array of reconfigurable dipoeles can generate on demand far field patterns of radiation through the specific encoding of meta atomic states. i.e., the configuration of each dipole. Suitable states for the generation of the desired patterns can be identified using iteartion, but this is very slow and needs to be done for each far field pattern. Here, we present a deep learning based method for the control of a metasurface antenna with point dipole elements that vary in their state using dipole polarizability. Instead of iteration, we adopt a deep learning algorithm that combines an autoencoder with an electromagnetic scattering equation to determin the states required for a target far field pattern in real time. The scattering equation from Born approximation is used as the decoder in training the neural network, and analytic Green's function calculation is used to check the validity of Born approximation. Our learning based algorithm requires a computing time of within in 200 microseconds to determine the meta atomic states, thus enabling the real time opeartion of a holographic antenna.
- Abstract（参考訳）: リアルタイムなホログラフィックビームステアリングが可能な準曲面アンテナを提案する。
再構成可能なダイポールの配列は、メタ原子状態の特定のエンコーディングを通じて、オンデマンドの遠距離放射線パターンを生成することができる。
それぞれのダイポールの構成です
所望のパターンの生成に適した状態はイテレーションを使って特定できるが、これは非常に遅く、各遠方パターンに対して実行する必要がある。
そこで本研究では,双極子偏光性を用いて異なる点双極子要素を持つ準曲面アンテナの制御を行う深層学習手法を提案する。
提案手法では,自動エンコーダと電磁散乱方程式を組み合わせたディープラーニングアルゴリズムを用いて,対象の遠距離場パターンの状態をリアルタイムに決定する。
ニューラルネットワークのトレーニングにおけるデコーダとしてボルン近似からの散乱方程式を用い,解析的グリーン関数計算を用いてボルン近似の有効性を確認する。
我々の学習に基づくアルゴリズムは、メタ原子状態を決定するのに200マイクロ秒以内の計算時間を必要とし、ホログラフィックアンテナのリアルタイムなオプアを可能にする。
関連論文リスト
- Landmark-based Localization using Stereo Vision and Deep Learning in
GPS-Denied Battlefield Environment [1.19658449368018]
本稿では、受動カメラセンサのみを用いた非GPS戦場環境におけるローカライズのための新しいフレームワークを提案する。
提案手法では,距離推定にカスタムキャリブレーションされたステレオカメラと,実世界のランドマーク認識のためのデータセットを用いて訓練および微調整を行うYOLOv8sモデルを用いる。
実験の結果,提案手法は既存のアンカーベースDV-Hopアルゴリズムよりも優れた性能を示し,ローカライゼーション誤差(RMSE)の点で最も効率的な視覚ベースアルゴリズムと競合することがわかった。
論文 参考訳（メタデータ） (2024-02-19T21:20:56Z) - Direct measurement of the Husimi-Q function of the electric-field in the
time-domain [0.0]
我々は、時間領域量子トモグラフィー技術で電気光学サンプリングを促進するために必要な理論ツールを開発した。
提案手法は、伝搬する電磁波の電場とヒルベルト変換(四分法)の両方の時間変化の検出を実現する。
論文 参考訳（メタデータ） (2023-07-24T19:18:13Z) - Deep Learning Framework for the Design of Orbital Angular Momentum
Generators Enabled by Leaky-wave Holograms [0.6999740786886535]
本稿では、フラット光学(FO)と機械学習(ML)を併用して、OAMを担持する電磁波を発生させる漏れ波ホログラフィックアンテナの設計手法を提案する。
本システムの性能向上のために,機械学習を用いて,放射パターン全体を効果的に制御できる数学的関数を探索する。
それぞれのパラメータに対して最適な値を決定することができ、結果として所望の放射パターンが生成され、合計77,000個のデータセットが生成される。
論文 参考訳（メタデータ） (2023-04-25T10:01:04Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-05-06T16:27:14Z) - Toward Data-Driven STAP Radar [23.333816677794115]
我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。
所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。
この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。
空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
論文 参考訳（メタデータ） (2022-01-26T02:28:13Z) - Learning Optimal Antenna Tilt Control Policies: A Contextual Linear
Bandit Approach [65.27783264330711]
セルラーネットワークにおけるアンテナ傾きの制御は、ネットワークのカバレッジとキャパシティの間の効率的なトレードオフに到達するために不可欠である。
既存のデータから最適な傾き制御ポリシーを学習するアルゴリズムを考案する。
従来のルールベースの学習アルゴリズムよりもはるかに少ないデータサンプルを用いて最適な傾き更新ポリシーを作成できることを示す。
論文 参考訳（メタデータ） (2022-01-06T18:24:30Z) - 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) - Real-Time Radio Technology and Modulation Classification via an LSTM
Auto-Encoder [29.590446724625693]
雑音の多い無線信号から安定かつロバストな特徴を自動的に抽出するLSTMデノケーションオートエンコーダに基づく学習フレームワークを提案する。
現実的な合成と無線データのオーバー・ザ・エアにより,提案手法が受信した無線信号を確実に効率的に分類できることが実証された。
論文 参考訳（メタデータ） (2020-11-16T21:41:31Z) - 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) - Detection of gravitational-wave signals from binary neutron star mergers
using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。
信号対雑音比が25未満の信号に対する感度は6因子改善した。
保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文 参考訳（メタデータ） (2020-06-02T10:20:11Z)
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。