論文の概要: SPOT: Single-Shot Positioning via Trainable Near-Field Rainbow Beamforming

• arxiv url: http://arxiv.org/abs/2511.11391v1
• Date: Fri, 14 Nov 2025 15:21:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.675679
• Title: SPOT: Single-Shot Positioning via Trainable Near-Field Rainbow Beamforming
• Title（参考訳）: SPOT: トレーニング可能な近距離レインボービームフォーミングによるシングルショット位置決め
• Authors: Yeyue Cai, Jianhua Mo, Meixia Tao,
• Abstract要約: 本稿では,レインボービームを同時に設計し,ユーザ位置を推定するエンド・ツー・エンドのディープラーニング方式を提案する。 提案手法は, オーバヘッドを桁違いに低減し, 連続的に2次元位置決め誤差を低減させる。
• 参考スコア（独自算出の注目度）: 30.17676225756566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Phase-time arrays, which integrate phase shifters (PSs) and true-time delays (TTDs), have emerged as a cost-effective architecture for generating frequency-dependent rainbow beams in wideband sensing and localization. This paper proposes an end-to-end deep learning-based scheme that simultaneously designs the rainbow beams and estimates user positions. Treating the PS and TTD coefficients as trainable variables allows the network to synthesize task-oriented beams that maximize localization accuracy. A lightweight fully connected module then recovers the user's angle-range coordinates from its feedback of the maximum quantized received power and its corresponding subcarrier index after a single downlink transmission. Compared with existing analytical and learning-based schemes, the proposed method reduces overhead by an order of magnitude and delivers consistently lower two-dimensional positioning error.
• Abstract（参考訳）: 位相シフト器(PS)と実時間遅延(TTD)を統合した位相時間アレイは、広帯域センシングおよび局所化において周波数依存性のレインボービームを生成するためのコスト効率の良いアーキテクチャとして登場した。 本稿では,レインボービームを同時に設計し,ユーザ位置を推定するエンド・ツー・エンドのディープラーニング方式を提案する。 PSとTTD係数をトレーニング可能な変数として扱うことにより、ネットワークはローカライゼーション精度を最大化するタスク指向ビームを合成できる。 軽量な完全連結モジュールは、単一ダウンリンク送信後に、最大量子化された受信電力と対応するサブキャリアインデックスのフィードバックから、ユーザの角度座標を復元する。 既存の解析および学習に基づくスキームと比較して,提案手法はオーバーヘッドを桁違いに低減し,一貫した2次元位置決め誤差を実現する。

関連論文リスト

• Learning from Scratch: Structurally-masked Transformer for Next Generation Lib-free Simulation [5.564681128355971]
  本稿では,多段階データパスのパワーとタイミング予測のためのニューラルネットワークフレームワークを提案する。 私たちの知る限りでは、これは標準セル用に明示的に設計された言語ベースのネットリスト対応ニューラルネットワークとしては初めてのものです。
  論文  参考訳（メタデータ） (2025-07-23T10:46:25Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)
• Enhancing Video Super-Resolution via Implicit Resampling-based Alignment [44.27520685545412]
  超高解像度ビデオでは、時間とともに情報伝達をサポートするためにフレームワイドアライメントを用いるのが一般的である。 我々は,アライメントが有効であるためには,空間歪みを最小限に抑えながら基準周波数スペクトルを維持すべきであることを示す。
  論文  参考訳（メタデータ） (2023-04-29T03:59:36Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• A Trainable Approach to Zero-delay Smoothing Spline Interpolation [5.448070998907116]
  スムーズな信号は、データサンプルが利用可能になり、後続のデータにアクセスできなくなると、順次再構成されなければならない。 ここで各ステップは、コストメトリックを最小化しながら、スムーズな信号再構成を保証するピースを出力する。 本稿では,この累積コストを平均でさらに削減するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-07T23:38:01Z)
• Deep Learning Beam Optimization in Millimeter-Wave Communication Systems [34.03893373401685]
  本稿では,固定点アルゴリズムとニューラルネットワークを組み合わせることで,ミリ波通信システムにおける連立離散変数と連続変数を最適化する手法を提案する。 提案手法はビーム構成を"ワンショット"な方法で予測し,ビーム探索手順の複雑さを著しく低減する。
  論文  参考訳（メタデータ） (2021-07-16T12:16:37Z)
• DiffPD: Differentiable Projective Dynamics with Contact [65.88720481593118]
  DiffPDは、暗黙の時間積分を持つ効率的な微分可能なソフトボディシミュレータである。 我々はDiffPDの性能を評価し,様々な応用における標準ニュートン法と比較して4～19倍のスピードアップを観測した。
  論文  参考訳（メタデータ） (2021-01-15T00:13:33Z)
• Solving Sparse Linear Inverse Problems in Communication Systems: A Deep Learning Approach With Adaptive Depth [51.40441097625201]
  疎信号回復問題に対するエンドツーエンドの訓練可能なディープラーニングアーキテクチャを提案する。 提案手法は,出力するレイヤ数を学習し,各タスクのネットワーク深さを推論フェーズで動的に調整する。
  論文  参考訳（メタデータ） (2020-10-29T06:32:53Z)

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。