論文の概要: Prediction of Acoustic Communication Performance for AUVs using Gaussian Process Classification

• arxiv url: http://arxiv.org/abs/2411.07933v1
• Date: Tue, 12 Nov 2024 17:04:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:20:07.969254
• Title: Prediction of Acoustic Communication Performance for AUVs using Gaussian Process Classification
• Title（参考訳）: ガウス過程分類を用いたAUVの音響通信性能の予測
• Authors: Yifei Gao, Harun Yetkin, McMahon James, Daniel J. Stilwell,
• Abstract要約: 自律型水中車両(AUV)の協調は、効果的に行動を調整するために音響通信に依存していることが多い。 本稿では,送受信車両の位置に基づいて,通信成功確率を表す地図を学習する手法を提案する。
• 参考スコア（独自算出の注目度）: 6.381013699474244
• License:
• Abstract: Cooperating autonomous underwater vehicles (AUVs) often rely on acoustic communication to coordinate their actions effectively. However, the reliability of underwater acoustic communication decreases as the communication range between vehicles increases. Consequently, teams of cooperating AUVs typically make conservative assumptions about the maximum range at which they can communicate reliably. To address this limitation, we propose a novel approach that involves learning a map representing the probability of successful communication based on the locations of the transmitting and receiving vehicles. This probabilistic communication map accounts for factors such as the range between vehicles, environmental noise, and multi-path effects at a given location. In pursuit of this goal, we investigate the application of Gaussian process binary classification to generate the desired communication map. We specialize existing results to this specific binary classification problem and explore methods to incorporate uncertainty in vehicle location into the mapping process. Furthermore, we compare the prediction performance of the probability communication map generated using binary classification with that of a signal-to-noise ratio (SNR) communication map generated using Gaussian process regression. Our approach is experimentally validated using communication and navigation data collected during trials with a pair of Virginia Tech 690 AUVs.
• Abstract（参考訳）: 自律型水中車両(AUV)の協調は、効果的に行動を調整するために音響通信に依存していることが多い。 しかし,車両間の通信範囲が増加するにつれ,水中音響通信の信頼性は低下する。 その結果、AUVの協力チームは一般的に、彼らが確実に通信できる最大範囲について保守的な仮定をする。 この制限に対処するため,送受信車両の位置に基づいて,通信成功確率を表す地図を学習する手法を提案する。 この確率的コミュニケーションマップは、車両間の距離、環境騒音、特定の場所におけるマルチパス効果などの要因を考慮に入れている。 この目的を追求するために,ガウス過程のバイナリ分類を適用し,所望の通信マップを生成する。 本研究は,車両位置の不確かさをマッピングプロセスに組み込む方法を探る。 さらに、二項分類を用いた確率通信マップの予測性能と、ガウス過程回帰を用いた信号対雑音比(SNR)通信マップの予測性能を比較する。 我々のアプローチは、バージニア工科大学690AUVの試験中に収集された通信データとナビゲーションデータを用いて実験的に検証されている。

関連論文リスト

• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Surrogate Modeling of Trajectory Map-matching in Urban Road Networks using Transformer Sequence-to-Sequence Model [1.3812010983144802]
  本稿では、オフラインマップマッチングアルゴリズムのサロゲートとして機能するディープラーニングモデル、特にトランスフォーマーベースのエンコーダデコーダモデルを提案する。 このモデルは、ニューヨーク州マンハッタンで収集されたGPSトレースを使って訓練され、評価されている。
  論文  参考訳（メタデータ） (2024-04-18T18:39:23Z)
• 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)
• 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)
• Over-the-Air Federated Learning and Optimization [52.5188988624998]
  エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。 本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。 エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。 さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
  論文  参考訳（メタデータ） (2023-10-16T05:49:28Z)
• Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals [98.95383921866096]
  本研究では,データ駆動型深層学習手法の可能性について検討した。 本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。 既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
  論文  参考訳（メタデータ） (2022-09-11T14:10:37Z)
• Rethinking the Tradeoff in Integrated Sensing and Communication: Recognition Accuracy versus Communication Rate [21.149708253108788]
  ISAC(Integrated Sensistance and Communication)は、バンド利用効率を向上させるための有望な技術である。 センシング性能と通信性能の間にはトレードオフがある。 本稿では、認識精度と通信データレートを同時に最大化する多目的最適化問題を定式化し、解決する。
  論文  参考訳（メタデータ） (2021-07-20T17:00:35Z)
• Distributional Reinforcement Learning for mmWave Communications with Intelligent Reflectors on a UAV [119.97450366894718]
  無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。 ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:37Z)
• Efficient Online Learning for Cognitive Radar-Cellular Coexistence via Contextual Thompson Sampling [9.805913930878]
  本稿では,適応型レーダ伝送における逐次的,あるいはオンライン学習方式について述べる。 レーダの振舞いを駆動するために、線形コンテキスト帯域学習(CB)フレームワークが適用される。 提案したThompson Smpling (TS)アルゴリズムはより複雑なディープQ-Network (DQN) と競合する性能を維持していることを示す。
  論文  参考訳（メタデータ） (2020-08-24T01:20:58Z)

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。