論文の概要: Two-Stage Radio Map Construction with Real Environments and Sparse Measurements

• arxiv url: http://arxiv.org/abs/2410.18092v1
• Date: Tue, 08 Oct 2024 09:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-27 05:40:32.252118
• Title: Two-Stage Radio Map Construction with Real Environments and Sparse Measurements
• Title（参考訳）: 実環境とスパース測定による2段階無線マップの構築
• Authors: Yifan Wang, Shu Sun, Na Liu, Lianming Xu, Li Wang,
• Abstract要約: GAN(Generative Adversarial Network)を利用したFPTC(First-predict-then-correct)法の提案 環境情報を入力として、まず、RMP-GAN(Radio Map Prediction GAN)により、プライマリ無線マップを予測する。 そして、スパース測定をガイドラインとした無線地図補正GAN(RMC-GAN)により予測結果を補正する。 FPTC-GANs法の有効性を実験により検証した。
• 参考スコア（独自算出の注目度）: 11.432502140838867
• License:
• Abstract: Radio map construction based on extensive measurements is accurate but expensive and time-consuming, while environment-aware radio map estimation reduces the costs at the expense of low accuracy. Considering accuracy and costs, a first-predict-then-correct (FPTC) method is proposed by leveraging generative adversarial networks (GANs). A primary radio map is first predicted by a radio map prediction GAN (RMP-GAN) taking environmental information as input. Then, the prediction result is corrected by a radio map correction GAN (RMC-GAN) with sparse measurements as guidelines. Specifically, the self-attention mechanism and residual-connection blocks are introduced to RMP-GAN and RMC-GAN to improve the accuracy, respectively. Experimental results validate that the proposed FPTC-GANs method achieves the best radio map construction performance, compared with the state-of-the-art methods.
• Abstract（参考訳）: 広域測定に基づく無線地図構築は正確だが高価で時間を要するが、環境に配慮した無線地図推定は低コストでコストを削減できる。 精度とコストを考慮すると,GAN(Generative Adversarial Network)を活用してFPTC法を提案する。 環境情報を入力として、まず、RMP-GAN(Radio Map Prediction GAN)により、プライマリ無線マップを予測する。 そして、スパース測定をガイドラインとした無線地図補正GAN(RMC-GAN)により予測結果を補正する。 具体的には、RMP-GANとRCC-GANに自己保持機構と残差結合ブロックを導入し、それぞれ精度を向上する。 FPTC-GANs法は, 現状の手法と比較して, 最高の無線地図構築性能を達成できることを確認した。

関連論文リスト

• Spatial Transformers for Radio Map Estimation [5.070926365672912]
  ラジオマップ推定(RME)は、受信した信号強度などの測定値を計測されていない場所で予測する。 現在最も人気のある推定器は、測定位置を通常の格子に投影し、畳み込み型ディープニューラルネットワークで測定テンソルを完了している。 本論文の最初のコントリビューションは,ラジオマップ推定のための空間トランスフォーマー (Spatial TransfOrmer) と呼ばれる注意に基づく推定器を用いて,これらの制約に対処するものである(ストーム)。 ストームは1つのレイトレーシングと2つの実測データセットによる実験によって広範囲に検証されている。
  論文  参考訳（メタデータ） (2024-11-02T11:04:45Z)
• Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
  6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。 本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T05:01:28Z)
• ACT-GAN: Radio map construction based on generative adversarial networks with ACT blocks [0.5694070924765915]
  本稿では,GAN(Generative Adversarial Network)に基づく新しい無線地図構築手法を提案する。 ラジオ地図の再現精度と局部テクスチャを大幅に向上させる。 提案手法はロバストな電波地図の構築であり,放射源の位置を正確に予測する。
  論文  参考訳（メタデータ） (2024-01-17T05:03:53Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• A Deep Learning Approach for Generating Soft Range Information from RF Data [29.827191184889898]
  ソフトレンジ情報(SRI)は、高精度なローカライゼーションのための有望な代替手段を提供する。 RF計測から正確なSRIを生成するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T10:33:52Z)
• Quantized Radio Map Estimation Using Tensor and Deep Generative Models [11.872336932802844]
  スペクトル地図(SC)は、センサの限られた測定値から複数の領域(周波数と空間)の電波伝搬マップを作成することを目的としている。 既存の実証可能なSCアプローチでは、センサーは実測値(フルレゾリューション)を核融合中心に送信するが、これは非現実的である。 この研究は、BTDとDGMベースのSCを、非常に量子化されたセンサー測定を使用するシナリオに一般化する量子化されたSCフレームワークを提示する。
  論文  参考訳（メタデータ） (2023-03-03T08:22:51Z)
• LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
  LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法 提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。 推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
  論文  参考訳（メタデータ） (2022-02-01T20:27:46Z)
• Radio-Assisted Human Detection [61.738482870059805]
  本稿では,無線情報を最先端検出手法に組み込んだ無線支援人体検知フレームワークを提案する。 我々は、人検出を支援するために、無線信号から無線の局部化と識別情報を抽出する。 シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)とミスレートが、無線情報を用いて改善できることが示されている。
  論文  参考訳（メタデータ） (2021-12-16T09:53:41Z)
• 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)
• Distributed Conditional Generative Adversarial Networks (GANs) for Data-Driven Millimeter Wave Communications in UAV Networks [116.94802388688653]
  無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のための,データ駆動型空対地(A2G)チャネル推定手法を提案する。 実効的なチャネル推定手法を開発し、各UAVは、各ビームフォーミング方向に沿って条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。 分散CGANアーキテクチャに基づく協調的なフレームワークを開発し、各UAVがmmWaveチャネルの分布を協調的に学習できるようにする。
  論文  参考訳（メタデータ） (2021-02-02T20:56:46Z)

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。