論文の概要: Remote Detection of Applications for Improved Beam Tracking in mmWave/sub-THz 5G/6G Systems
- arxiv url: http://arxiv.org/abs/2410.18637v1
- Date: Thu, 24 Oct 2024 10:55:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-25 12:48:28.293477
- Title: Remote Detection of Applications for Improved Beam Tracking in mmWave/sub-THz 5G/6G Systems
- Title（参考訳）: mmWave/sub-THz 5G/6Gシステムにおけるビーム追跡改善への応用のリモート検出
- Authors: Alexander Shurakov, Margarita Ershova, Abdukodir Khakimov, Anatoliy Prikhodko, Evgeny Mokrov, Vyacheslav Begishev, Galina Chulkova, Yevgeni Koucheryavy, Gregory Gol'tsman,
- Abstract要約: ビームトラッキングはミリ波(mmWave, 30-100 GHz)とサブテラヘルツ(サブTHz, 100-300 GHz)の5G/6Gシステムに不可欠な機能である。
基地局(BS)とユーザ機器(UE)の両方でアンテナ掃除を行う。
本稿では,エアインターフェースにおける適用形態の明示的なシグナリングがない場合,受信信号強度パターンに基づいて,BS側でリモートで検出する方法を提案する。
- 参考スコア（独自算出の注目度）: 37.35086075012511
- License:
- Abstract: Beam tracking is an essential functionality of millimeter wave (mmWave, 30-100 GHz) and sub-terahertz (sub-THz, 100-300 GHz) 5G/6G systems. It operates by performing antenna sweeping at both base station (BS) and user equipment (UE) sides using the Synchronization Signal Blocks (SSB). The optimal frequency of beam tracking events is not specified by 3GPP standards and heavily depends on the micromobility properties of the applications currently utilized by the user. In absence of explicit signalling for the type of application at the air interface, in this paper, we propose a way to remotely detect it at the BS side based on the received signal strength pattern. To this aim, we first perform a multi-stage measurement campaign at 156 GHz, belonging to the sub-THz band, to obtain the received signal strength traces of popular smartphone applications. Then, we proceed applying conventional statistical Mann-Whitney tests and various machine learning (ML) based classification techniques to discriminate applications remotely. Our results show that Mann-Whitney test can be used to differentiate between fast and slow application classes with a confidence of 0.95 inducing class detection delay on the order of 1 s after application initialization. With the same time budget, random forest classifiers can differentiate between applications with fast and slow micromobility with 80% accuracy using received signal strength metric only. The accuracy of detecting a specific application however is lower, reaching 60%. By utilizing the proposed technique one can estimate the optimal values of the beam tracking intervals without adding additional signalling to the air interface.
- Abstract（参考訳）: ビームトラッキングはミリ波(mmWave, 30-100 GHz)とサブテラヘルツ(サブTHz, 100-300 GHz)の5G/6Gシステムに不可欠な機能である。
基地局(BS)とユーザ機器(UE)の両方でSynchronization Signal Blocks(SSB)を使用してアンテナスイーピングを行う。
ビームトラッキングイベントの最適周波数は3GPP規格では規定されておらず、ユーザが現在使用しているアプリケーションのマイクロモビリティ特性に大きく依存する。
本稿では,エアインターフェースにおける適用形態の明示的なシグナリングがない場合,受信信号強度パターンに基づいて,BS側でリモートで検出する方法を提案する。
この目的のために,我々はまず,THz帯に属する156GHzのマルチステージ計測を行い,一般的なスマートフォンアプリケーションの受信信号強度トレースを得る。
そこで我々は,従来の統計的マン・ホイットニー試験と機械学習(ML)に基づく分類手法を適用して,アプリケーションをリモートで識別する。
以上の結果から,mann-Whitney テストは,アプリケーションの初期化後 1 s の順序でクラス検出遅延が 0.95 の信頼度を持つ高速クラスと低速クラスを区別するのに有効であることが示唆された。
同時に、ランダムな森林分類器は、受信信号強度メートル法のみを用いて80%の精度で、高速かつ遅いマイクロモビリティを持つアプリケーションを区別することができる。
しかし、特定のアプリケーションを検出する精度は低く、60%に達する。
提案手法を用いることで,エアインターフェースに付加的な信号を加えることなく,ビーム追跡間隔の最適値を推定できる。
関連論文リスト
- What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
本稿では、無線アクセスネットワーク(RAN)によって異なるアプリが実装された場合、キーパフォーマンス指標(KPI)の値を推定する「What-if」問題に対処する。
本稿では,推定値に対して信頼度の高い「エラーバー」を提供する無線システムに対する共形予測に基づく対実解析手法を提案する。
論文 参考訳（メタデータ） (2024-09-30T18:47:26Z) - Gesture Recognition with mmWave Wi-Fi Access Points: Lessons Learned [3.5711957833616235]
ジェスチャー認識/位置推定のためのmmWave (60 GHz) のWi-Fi信号について検討する。
このため、IEEE 802.11ad デバイスを用いた周期ビームトレーニングからビーム信号-雑音比(SNR)を抽出する。
ディープニューラルネットワーク(DNN)は、単一の環境で96.7%の精度でビームSNRタスクの有望な結果を達成する。
論文 参考訳（メタデータ） (2023-06-29T16:10:07Z) - Faster Region-Based CNN Spectrum Sensing and Signal Identification in
Cluttered RF Environments [0.7734726150561088]
高速領域ベース畳み込みニューラルネットワーク(FRCNN)を1次元(1次元)信号処理と電磁スペクトルセンシングに最適化する。
その結果,本手法はローカライズ性能が向上し,2次元同値よりも高速であることがわかった。
論文 参考訳（メタデータ） (2023-02-20T09:35:13Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Low Latency Real-Time Seizure Detection Using Transfer Deep Learning [0.0]
スカルプ脳波(EEG)信号は本質的に低信号-雑音比を有する。
ディープラーニングを用いた発作検出における最も一般的なアプローチは、この情報を共同でモデル化したり、信号に複数のパスを必要とすることはない。
本稿では,マルチチャネル信号をグレースケール画像に変換すると同時に,転送学習を用いて高い性能を実現する。
論文 参考訳（メタデータ） (2022-02-16T00:03:00Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - Deep Learning Based Hybrid Precoding in Dual-Band Communication Systems [34.03893373401685]
本研究では,サブ6GHz帯から抽出した空間的・時間的情報を用いてミリ波帯のビームを予測・追跡する深層学習手法を提案する。
サブ6GHz帯とミリ波帯の両方で動作するデュアルバンド通信システムについて検討する。
論文 参考訳（メタデータ） (2021-07-16T12:10:32Z) - Optimal Sequential Detection of Signals with Unknown Appearance and
Disappearance Points in Time [64.26593350748401]
本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。
我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。
FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
論文 参考訳（メタデータ） (2021-02-02T04:58:57Z) - 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。