論文の概要: A Survey of Machine Learning Techniques for Improving Global Navigation Satellite Systems
- arxiv url: http://arxiv.org/abs/2406.16873v1
- Date: Fri, 29 Mar 2024 18:31:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 06:51:29.398339
- Title: A Survey of Machine Learning Techniques for Improving Global Navigation Satellite Systems
- Title(参考訳): 地球航法衛星システム改善のための機械学習技術の検討
- Authors: Adyasha Mohanty, Grace Gao,
- Abstract要約: 本稿では,機械学習(ML)の最近の進歩とその限界に対処する可能性を強調する。
教師なし学習、教師なし学習、ディープラーニング、ハイブリッドアプローチなど、幅広いML手法をカバーする。
このサーベイは、信号解析、異常検出、マルチセンサー統合、予測、MLを用いた精度向上といった、位置決めアプリケーションに関する洞察を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Global Navigation Satellite Systems (GNSS)-based positioning plays a crucial role in various applications, including navigation, transportation, logistics, mapping, and emergency services. Traditional GNSS positioning methods are model-based and they utilize satellite geometry and the known properties of satellite signals. However, model-based methods have limitations in challenging environments and often lack adaptability to uncertain noise models. This paper highlights recent advances in Machine Learning (ML) and its potential to address these limitations. It covers a broad range of ML methods, including supervised learning, unsupervised learning, deep learning, and hybrid approaches. The survey provides insights into positioning applications related to GNSS such as signal analysis, anomaly detection, multi-sensor integration, prediction, and accuracy enhancement using ML. It discusses the strengths, limitations, and challenges of current ML-based approaches for GNSS positioning, providing a comprehensive overview of the field.
- Abstract(参考訳): グローバルナビゲーション衛星システム(GNSS)に基づく位置決めは、ナビゲーション、輸送、ロジスティクス、マッピング、緊急サービスなど、様々なアプリケーションにおいて重要な役割を担っている。
従来のGNSS測位法はモデルベースであり、衛星測位と衛星信号の既知の特性を利用する。
しかし、モデルに基づく手法は、挑戦的な環境において制限があり、しばしば不確実なノイズモデルへの適応性に欠ける。
本稿では,機械学習(ML)の最近の進歩とその限界に対処する可能性を強調する。
教師なし学習、教師なし学習、ディープラーニング、ハイブリッドアプローチなど、幅広いML手法をカバーする。
このサーベイは、信号解析、異常検出、マルチセンサー統合、予測、MLを用いた精度向上など、GNSSに関連する位置決めアプリケーションに関する洞察を提供する。
GNSS測位における現在のMLベースのアプローチの強み、限界、課題について論じ、その分野を包括的に概観する。
関連論文リスト
- A Survey of Machine Learning-based Physical-Layer Authentication in Wireless Communications [17.707450193500698]
無線環境におけるユニークな特性の活用により,Physical-Layer Authentication (PLA) が有望な補完として浮上している。
本稿では,MLベースのPLAで使用可能な特徴と技術について,包括的に調査する。
論文 参考訳(メタデータ) (2024-11-15T03:01:23Z) - Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。
本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。
設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
論文 参考訳(メタデータ) (2024-10-21T09:57:42Z) - Leveraging Large Language Models for Integrated Satellite-Aerial-Terrestrial Networks: Recent Advances and Future Directions [47.791246017237]
統合衛星、航空、地上ネットワーク(ISATN)は多様な通信技術の洗練された収束を表現している。
本稿では,Large Language Models (LLM) を ISATN に統合するトランスフォーメーションの可能性について検討する。
論文 参考訳(メタデータ) (2024-07-05T15:23:43Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳(メタデータ) (2024-02-06T13:20:56Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳(メタデータ) (2024-02-04T08:41:20Z) - Learning-based NLOS Detection and Uncertainty Prediction of GNSS
Observations with Transformer-Enhanced LSTM Network [2.798138034569478]
本研究では,NLOSの検出と誤りの予測を擬似時間的モデリング問題を用いて行う深層学習に基づく手法を提案する。
香港とAachenのデータセットを使って、提案したネットワークをトレーニングし、評価する。
提案手法は,NLOS観測の分類・排除により,実世界の車両位置の軌跡のばらつきを回避できることを示す。
論文 参考訳(メタデータ) (2023-09-01T14:17:02Z) - Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。
電力信号に注入された逆方向の歪みは システムの正常な制御と操作に大きな影響を及ぼす
安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
論文 参考訳(メタデータ) (2023-08-30T03:29:26Z) - When Machine Learning Meets Spectrum Sharing Security: Methodologies and
Challenges [19.313414666640078]
インターネット接続システムの指数関数的成長は、スペクトル不足問題など、多くの問題を引き起こしている。
複雑でダイナミックなスペクトル共有(SS)システムは、潜在的なセキュリティとプライバシの問題に晒される可能性がある。
これらの問題に対処するために機械学習(ML)ベースの手法が頻繁に提案されている。
論文 参考訳(メタデータ) (2022-01-12T20:04:28Z) - Practical Machine Learning Safety: A Survey and Primer [81.73857913779534]
自動運転車のような安全クリティカルなアプリケーションにおける機械学習アルゴリズムのオープンワールド展開は、さまざまなML脆弱性に対処する必要がある。
一般化エラーを低減し、ドメイン適応を実現し、外乱例や敵攻撃を検出するための新しいモデルと訓練技術。
我々の組織は、MLアルゴリズムの信頼性を異なる側面から向上するために、最先端のML技術を安全戦略にマッピングする。
論文 参考訳(メタデータ) (2021-06-09T05:56:42Z) - A Comprehensive Survey of Machine Learning Based Localization with
Wireless Signals [42.89359907212791]
本稿では,RF信号を用いた機械学習に基づくローカライズソリューションの包括的調査を行う。
本論文の主なポイントは、ローカリゼーションシステムの物理から生じるドメイン知識と、さまざまなMLアプローチとの相互作用である。
詳細な議論は、ローカリゼーションの問題に適用されたさまざまなMLメソッドに捧げられています。
論文 参考訳(メタデータ) (2020-12-21T08:10:46Z) - A Comprehensive Survey of Machine Learning Applied to Radar Signal
Processing [7.758302353877527]
現代のレーダーシステムには、精度、堅牢性、リアルタイム能力の面で高い要求がある。
従来のレーダー信号処理(RSP)手法は、そのような要求を満たす際にいくつかの制限を示してきた。
機械学習(ML)の急速な発展、特にディープラーニングにより、レーダー研究者はRSP関連の問題を解決する際にこれらの新しい手法を統合するようになった。
論文 参考訳(メタデータ) (2020-09-29T00:30:52Z)
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。