論文の概要: Beyond Point Estimates: Likelihood-Based Full-Posterior Wireless Localization

• arxiv url: http://arxiv.org/abs/2509.25719v1
• Date: Tue, 30 Sep 2025 03:24:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:44:59.999639
• Title: Beyond Point Estimates: Likelihood-Based Full-Posterior Wireless Localization
• Title（参考訳）: Beyond Point Estimates: Likelihood-based Full-Posterior Wireless Localization
• Authors: Haozhe Lei, Hao Guo, Tommy Svensson, Sundeep Rangan,
• Abstract要約: 受信機計測から未知の送信機位置の後方推定として局所化を定式化する。 我々はモンテカルロサンプリングを用いてニューラルスコアリングネットワークを訓練するモンテカルロ候補類似度推定(MC-CLE)を提案する。 マルチアンテナ受信機を用いた直視シミュレーションにおいて、MC-CLEは角のあいまいさやフロント・ツー・バックアンテナパターンなどの重要な特性を学習する。
• 参考スコア（独自算出の注目度）: 12.379479971171579
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern wireless systems require not only position estimates, but also quantified uncertainty to support planning, control, and radio resource management. We formulate localization as posterior inference of an unknown transmitter location from receiver measurements. We propose Monte Carlo Candidate-Likelihood Estimation (MC-CLE), which trains a neural scoring network using Monte Carlo sampling to compare true and candidate transmitter locations. We show that in line-of-sight simulations with a multi-antenna receiver, MC-CLE learns critical properties including angular ambiguity and front-to-back antenna patterns. MC-CLE also achieves lower cross-entropy loss relative to a uniform baseline and Gaussian posteriors. alternatives under a uniform-loss metric.
• Abstract（参考訳）: 現代の無線システムは、位置推定だけでなく、計画、制御、無線リソース管理をサポートするために、定量化された不確実性も必要である。 受信機計測から未知の送信機位置の後方推定として局所化を定式化する。 我々は,モンテカルロサンプリングを用いてニューラルスコアリングネットワークを訓練し,真の送信機位置と候補送信機位置を比較したモンテカルロ候補推定法を提案する。 マルチアンテナ受信機を用いた直視シミュレーションにおいて、MC-CLEは角のあいまいさやフロント・ツー・バックアンテナパターンなどの重要な特性を学習する。 MC-CLEは、均一なベースラインとガウスの後部に対して低いエントロピー損失を達成する。 均等な測度の下での代替品。

関連論文リスト

• On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
  ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。 我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
  論文  参考訳（メタデータ） (2025-07-25T19:58:44Z)
• RadioDiff-Inverse: Diffusion Enhanced Bayesian Inverse Estimation for ISAC Radio Map Construction [24.3983954491267]
  無線地図(RM)は、環境に配慮した通信やセンシングに不可欠であり、位置固有の無線チャネル情報を提供する。 既存のRM構築法は、しばしば正確な環境データと基地局(BS)の場所に依存しており、動的またはプライバシーに敏感な環境では必ずしも利用できない。 本稿では、粗い環境知識とノイズスパース測定の下でのベイズ逆問題としてRM構築を定式化する。 拡散強化ベイズ逆推定フレームワークであるRadioDiff-Inverseを提案する。
  論文  参考訳（メタデータ） (2025-04-19T13:49:59Z)
• Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
  ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。 まず、マルチターゲットDOA検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)を用いた無線受信機を提案し、このセンシングシステムの対応する信号モデルを提案する。 このセンサゲインミスマッチ問題を解決するために,我々のモデルに依存するRydberg原子量子ESPRIT(RAQ-ESPRIT)を提案する。
  論文  参考訳（メタデータ） (2025-01-06T07:42:23Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)
• Batch Stationary Distribution Estimation [98.18201132095066]
  サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。 与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
  論文  参考訳（メタデータ） (2020-03-02T09:10:01Z)
• Revisiting Saliency Metrics: Farthest-Neighbor Area Under Curve [23.334584322129142]
  唾液度検出は様々な視覚応用において重要な役割を担っているため、広く研究されている。 それぞれの尺度が独自のバイアスを持っているため、サリエンシシステムを評価するのは難しい。 本稿では,より指向性の高い負の集合をサンプリングして評価することを目的とした,AUC特性に基づく新しいサリエンシ指標を提案する。
  論文  参考訳（メタデータ） (2020-02-24T20:55:42Z)

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。