論文の概要: A Measurement Report Data-Driven Framework for Localized Statistical Channel Modeling

• arxiv url: http://arxiv.org/abs/2509.19342v1
• Date: Tue, 16 Sep 2025 10:59:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.493824
• Title: A Measurement Report Data-Driven Framework for Localized Statistical Channel Modeling
• Title（参考訳）: 局所統計チャネルモデリングのためのデータ駆動フレームワーク
• Authors: Xinyu Qin, Ye Xue, Qi Yan, Shutao Zhang, Bingsheng Peng, Tsung-Hui Chang,
• Abstract要約: 局所統計チャネルモデリング(LSCM)は、ディジタルツインアシストネットワーク最適化における効果的な性能評価に不可欠である。 既存の手法は、高い収集コストと限られた空間範囲を持つ駆動テストデータに大きく依存している。 本稿では,低コストかつ広範囲なMRデータの収集を活かしたLSCMのための計測レポート(MR)データ駆動フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 25.91473621688449
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Localized statistical channel modeling (LSCM) is crucial for effective performance evaluation in digital twin-assisted network optimization. Solely relying on the multi-beam reference signal receiving power (RSRP), LSCM aims to model the localized statistical propagation environment by estimating the channel angular power spectrum (APS). However, existing methods rely heavily on drive test data with high collection costs and limited spatial coverage. In this paper, we propose a measurement report (MR) data-driven framework for LSCM, exploiting the low-cost and extensive collection of MR data. The framework comprises two novel modules. The MR localization module addresses the issue of missing locations in MR data by introducing a semi-supervised method based on hypergraph neural networks, which exploits multi-modal information via distance-aware hypergraph modeling and hypergraph convolution for location extraction. To enhance the computational efficiency and solution robustness, LSCM operates at the grid level. Compared to independently constructing geographically uniform grids and estimating channel APS, the joint grid construction and channel APS estimation module enhances robustness in complex environments with spatially non-uniform data by exploiting their correlation. This module alternately optimizes grid partitioning and APS estimation using clustering and improved sparse recovery for the ill-conditioned measurement matrix and incomplete observations. Through comprehensive experiments on a real-world MR dataset, we demonstrate the superior performance and robustness of our framework in localization and channel modeling.
• Abstract（参考訳）: 局所統計チャネルモデリング(LSCM)は、ディジタルツインアシストネットワーク最適化における効果的な性能評価に不可欠である。 LSCMは、マルチビーム参照信号受信電力(RSRP)を頼りに、チャネル角パワースペクトル(APS)を推定することにより、局所的な統計伝搬環境をモデル化することを目的としている。 しかし,既存の手法は,収集コストが高く,空間範囲が限られている運転試験データに大きく依存している。 本稿では,低コストかつ広範囲なMRデータの収集を活かしたLSCMのための計測レポート(MR)データ駆動フレームワークを提案する。 フレームワークは2つの新しいモジュールから構成される。 MRローカライゼーションモジュールは、距離認識型ハイパーグラフモデリングとハイパーグラフ畳み込みによる位置抽出によるマルチモーダル情報を利用するハイパーグラフニューラルネットワークに基づく半教師付き手法を導入することで、MRデータの欠落箇所の問題に対処する。 計算効率と解の堅牢性を高めるため、LSCMはグリッドレベルで動作する。 地理的に均一なグリッドと推定チャネルAPSとを独立に構築するのに対し、共同グリッド構築とチャネルAPS推定モジュールは、それらの相関を利用して空間的に一様でないデータを持つ複雑な環境におけるロバスト性を高める。 このモジュールは、クラスタリングを用いたグリッド分割とAPS推定を交互に最適化し、未条件測定行列のスパースリカバリと不完全観測を改善した。 実世界のMRデータセットに関する包括的な実験を通じて、我々は、ローカライゼーションとチャネルモデリングにおいて、我々のフレームワークの優れた性能と堅牢性を実証した。

関連論文リスト

• RF-LSCM: Pushing Radiance Fields to Multi-Domain Localized Statistical Channel Modeling for Cellular Network Optimization [26.457933013666253]
  本稿では,RF-LSCMを提案する。RF-LSCMは,大規模信号減衰とマルチパス成分を放射場内に共同で表現することで,チャネルAPSをモデル化する新しいフレームワークである。 RF-LSCMは, 平均絶対誤差(MAE)を最大30%低減し, 多周波データを効果的に融合させることにより, 22%のMAE改善を実現した。
  論文  参考訳（メタデータ） (2025-09-17T04:31:18Z)
• Large Language Model-Driven Distributed Integrated Multimodal Sensing and Semantic Communications [5.646293779615063]
  本稿では,新しい大規模言語モデル (LLM) による分散分散マルチモーダルセンシングとセマンティックコミュニケーションフレームワークを提案する。 具体的には、RFモジュールとカメラモジュールを備えた複数の協調センシング装置で構成されている。 Genesis シミュレーションエンジンにより生成された合成多視点RF-視覚データセットの評価結果から,LLM-DiSAC が良好な性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-05-20T08:00:00Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Enhancing Automatic Modulation Recognition through Robust Global Feature Extraction [12.868218616042292]
  変調信号は長時間の時間依存性を示す。 人間の専門家は星座図のパターンを分析し、変調スキームを分類する。 古典的な畳み込みベースのネットワークは、局所的な特徴を抽出することに長けているが、グローバルな関係を捉えるのに苦労している。
  論文  参考訳（メタデータ） (2024-01-02T06:31:24Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• Spatial Attention-based Distribution Integration Network for Human Pose Estimation [0.8052382324386398]
  本研究では,空間アテンションに基づく分布統合ネットワーク(SADI-NET)を提案する。 我々のネットワークは、受容強化モジュール(RFM)、空間融合モジュール(SFM)、分散学習モジュール(DLM)の3つの効率的なモデルで構成されている。 我々のモデルは、MPIIテストデータセットで920.10%の精度を得、既存のモデルよりも大幅に改善され、最先端のパフォーマンスが確立された。
  論文  参考訳（メタデータ） (2023-11-09T12:43:01Z)
• Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
  単一チャネルソース分離(SCSS)の問題点について検討する。 我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。 本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-08-22T14:04:56Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。