論文の概要: Improving Outdoor Multi-cell Fingerprinting-based Positioning via Mobile Data Augmentation

• arxiv url: http://arxiv.org/abs/2509.19405v1
• Date: Tue, 23 Sep 2025 09:09:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.545176
• Title: Improving Outdoor Multi-cell Fingerprinting-based Positioning via Mobile Data Augmentation
• Title（参考訳）: モバイルデータ拡張による屋外マルチセルフィンガープリントによる位置決めの改善
• Authors: Tony Chahoud, Lorenzo Mario Amorosa, Riccardo Marini, Luca De Nardis,
• Abstract要約: 本稿では,マルチセルフィンガープリントに基づく位置決めの高速化を目的とした,軽量でモジュール化されたモバイルデータ拡張フレームワークを提案する。 このフレームワークは、既存のモバイルデータトレースを使用したオペレータの位置決めサービスを強化するために、実用的で低複雑さのパスを提供する。
• 参考スコア（独自算出の注目度）: 2.0065923589074735
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate outdoor positioning in cellular networks is hindered by sparse, heterogeneous measurement collections and the high cost of exhaustive site surveys. This paper introduces a lightweight, modular mobile data augmentation framework designed to enhance multi-cell fingerprinting-based positioning using operator-collected minimization of drive test (MDT) records. The proposed approach decouples spatial and radio-feature synthesis: kernel density estimation (KDE) models the empirical spatial distribution to generate geographically coherent synthetic locations, while a k-nearest-neighbor (KNN)-based block produces augmented per-cell radio fingerprints. The architecture is intentionally training-free, interpretable, and suitable for distributed or on-premise operator deployments, supporting privacy-aware workflows. We both validate each augmentation module independently and assess its end-to-end impact on fingerprinting-based positioning using a real-world MDT dataset provided by an Italian mobile network operator across diverse urban and peri-urban scenarios. Results show that the proposed KDE-KNN augmentation consistently improves positioning performance, with the largest benefits in sparsely sampled or structurally complex regions; we also observe region-dependent saturation effects as augmentation increases. The framework offers a practical, low-complexity path to enhance operator positioning services using existing mobile data traces.
• Abstract（参考訳）: セルラーネットワークにおける正確な屋外位置決めは, 粗大で不均一な測定収集と, サイト調査の費用の高騰によって妨げられる。 本稿では,マルチセルフィンガープリントに基づく位置決め機能を実現するために,運転テスト(MDT)レコードの最小化による軽量でモジュール化されたモバイルデータ拡張フレームワークを提案する。 カーネル密度推定(KDE)は、経験的空間分布をモデル化し、地理的に整合した合成位置を生成する一方、k-nearest-neighbor(KNN)ベースのブロックは、細胞ごとの無線指紋を増強する。 アーキテクチャは意図的なトレーニングフリーで、解釈可能で、分散あるいはオンプレミスのオペレータデプロイメントに適したもので、プライバシに意識したワークフローをサポートする。 我々は,それぞれの拡張モジュールを独立して検証し,多様な都市・郊外のシナリオにまたがって,イタリアのモバイルネットワークオペレーターが提供した実世界のMDTデータセットを用いて,フィンガープリントに基づく位置決めに対するエンドツーエンドの影響を評価する。 以上の結果から,KDE-KNN拡張による位置決め性能の持続的向上が期待できる。 このフレームワークは、既存のモバイルデータトレースを使用したオペレータの位置決めサービスを強化するために、実用的で低複雑さのパスを提供する。

関連論文リスト

• Spatial-Temporal-Spectral Unified Modeling for Remote Sensing Dense Prediction [20.1863553357121]
  リモートセンシングのための現在のディープラーニングアーキテクチャは、基本的に堅固である。 本稿では,統合モデリングのための空間時間スペクトル統一ネットワーク(STSUN)について紹介する。 STSUNは任意の空間サイズ、時間長、スペクトル帯域で入力および出力データに適応することができる。 様々な密集した予測タスクと多様な意味クラス予測を統一する。
  論文  参考訳（メタデータ） (2025-05-18T07:39:17Z)
• Radio Map Prediction from Aerial Images and Application to Coverage Optimization [46.870065000932016]
  畳み込みニューラルネットワークを用いた経路損失無線マップの予測に着目する。 既存の無線地図データセットに対して開発された最先端モデルがこの課題に効果的に適応できることを示す。 UNetDCNと呼ばれる新しいモデルを導入し、複雑さを低減した最先端モデルと比較して、同等以上の性能を実現した。
  論文  参考訳（メタデータ） (2024-10-07T09:19:20Z)
• FedNE: Surrogate-Assisted Federated Neighbor Embedding for Dimensionality Reduction [47.336599393600046]
  textscFedNEは、textscFedAvgフレームワークと対照的なNEテクニックを統合する新しいアプローチである。 我々は、合成データセットと実世界のデータセットの両方について包括的な実験を行う。
  論文  参考訳（メタデータ） (2024-09-17T19:23:24Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• On the Multidimensional Augmentation of Fingerprint Data for Indoor Localization in A Large-Scale Building Complex Based on Multi-Output Gaussian Process [3.8310036898137296]
  Wi-Fiフィンガープリンティングは、大規模な屋内ローカライゼーションの主流のソリューションとなる。 位置化指紋の測定における基準点(RP)の数と分布は精度に大きな影響を及ぼす。 データ拡張は、RPの少ない数と不均一な分布を改善するための実現可能なソリューションとして提案されている。
  論文  参考訳（メタデータ） (2022-11-19T10:07:17Z)
• Domain Adversarial Graph Convolutional Network Based on RSSI and Crowdsensing for Indoor Localization [8.406788215294483]
  少数のラベル付きサイトサーベイデータと大量のラベル付きクラウドセンシングWiFi指紋を用いてトレーニングできる新しいWiDAGCNモデルを提案する。 本システムは、複数の建物を含む公共の屋内ローカライゼーションデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2022-04-06T08:06:27Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Position Tracking using Likelihood Modeling of Channel Features with Gaussian Processes [2.3977391435533373]
  最近のローカライゼーションフレームワークは、複雑なチャネル計測の空間情報を利用して正確な位置を推定する。 本稿では,強力なマルチパス伝搬を持つスパースデータセットに順応する新しいフレームワークを提案する。 本フレームワークでは,トレーニングされたGPと直視域と粒子フィルタのダイナミックスモデルを組み合わせる。
  論文  参考訳（メタデータ） (2022-03-24T15:06:01Z)
• Outdoor Position Recovery from HeterogeneousTelco Cellular Data [13.138193917880999]
  本研究では,マルチタスク学習に基づく深層ニューラルネットワーク(DNN)フレームワーク,すなわちPRNet+を提案する。 上海の3つの代表的な地域で収集された8つのデータセットの大規模な評価は、PRNet+が最先端のデータを著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2021-08-24T10:02:32Z)

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。