論文の概要: Multi-Modal Sensing and Fusion in mmWave Beamforming for Connected Vehicles: A Transformer Based Framework
- arxiv url: http://arxiv.org/abs/2602.13606v1
- Date: Sat, 14 Feb 2026 05:12:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:28.233897
- Title: Multi-Modal Sensing and Fusion in mmWave Beamforming for Connected Vehicles: A Transformer Based Framework
- Title（参考訳）: 連結車両用ミリ波ビームフォーミングにおけるマルチモーダルセンシングと融合:トランスフォーマーに基づくフレームワーク
- Authors: Muhammad Baqer Mollah, Honggang Wang, Mohammad Ataul Karim, Hua Fang,
- Abstract要約: このようなオーバーヘッドを減らすための代替手段として,マルチモーダルセンシングと融合学習フレームワークを提案する。
本フレームワークでは,まず,モダリティ特定エンコーダによるセンサモードから代表的特徴を抽出し,マルチヘッド・クロスモーダル・アテンションを用いて,異なるモダリティ間の依存関係と相関関係を学習する。
提案手法は, 最大96.72%の精度でトップ15ビームを正確に予測し, (ii) 平均電力損失が約0.77dBとなり, (iii) それぞれ86.81%, 76.56%向上した。
- 参考スコア（独自算出の注目度）: 1.7834756213254652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Millimeter wave (mmWave) communication, utilizing beamforming techniques to address the inherent path loss limitation, is considered as one of the key technologies to support ever increasing high throughput and low latency demands of connected vehicles. However, adopting standard defined beamforming approach in highly dynamic vehicular environments often incurs high beam training overheads and reduction in the available airtime for communications, which is mainly due to exchanging pilot signals and exhaustive beam measurements. To this end, we present a multi-modal sensing and fusion learning framework as a potential alternative solution to reduce such overheads. In this framework, we first extract the representative features from the sensing modalities by modality specific encoders, then, utilize multi-head cross-modal attention to learn dependencies and correlations between different modalities, and subsequently fuse the multimodal features to obtain predicted top-k beams so that the best line-of-sight links can be proactively established. To show the generalizability of the proposed framework, we perform a comprehensive experiment in four different vehicle-to-infrastructure (V2I) and vehicle-to-vehicle (V2V) scenarios from real world multimodal and 60 GHz mmWave wireless sensing data. The experiment reveals that the proposed framework (i) achieves up to 96.72% accuracy on predicting top-15 beams correctly, (ii) incurs roughly 0.77 dB average power loss, and (iii) improves the overall latency and beam searching space overheads by 86.81% and 76.56% respectively for top-15 beams compared to standard defined approach.
- Abstract（参考訳）: ビームフォーミング技術を利用したミリ波通信は, 接続車両の高スループット化と低レイテンシ化を実現するための重要な技術のひとつと考えられる。
しかし、高ダイナミックな車両環境における標準的なビームフォーミングアプローチを採用すると、しばしば高いビームトレーニングオーバーヘッドが発生し、通信のための空き時間も減少する。
この目的のために,このようなオーバーヘッドを減らすための代替手段として,マルチモーダルセンシング・融合学習フレームワークを提案する。
本稿では、まず、モダリティ特定エンコーダによるセンシングモードから代表的特徴を抽出し、マルチヘッド・クロスモーダル・アテンションを用いて、異なるモダリティ間の依存関係と相関を学習し、その後、予測されたトップkビームを得るためにマルチモーダル特徴を融合し、最高のライン・オブ・ビュー・リンクを積極的に確立する。
提案手法の汎用性を示すため,実世界のマルチモーダルおよび60GHzmm波無線センシングデータから,4つの異なる車両・車間構造(V2I)と車両・車間構造(V2V)のシナリオを総合的に実験した。
その実験から提案された枠組みが明らかになる
(i)トップ15ビームを正確に予測する精度は96.72%に達する。
(ii)平均電力損失0.77dB、及び
(iii) 標準のアプローチと比較して、それぞれトップ15ビームに対して86.81%、76.56%の遅延時間とビーム探索スペースのオーバーヘッドを改善する。
関連論文リスト
- A Tri-Modal Dataset and a Baseline System for Tracking Unmanned Aerial Vehicles [74.8162337823142]
MM-UAVはMulti-Modal UAV Trackingの最初の大規模ベンチマークである。
データセットは30以上の挑戦的なシナリオにまたがっており、1,321の同期マルチモーダルシーケンスと280万以上の注釈付きフレームがある。
データセットを伴って、我々は新しいマルチモーダルマルチUAV追跡フレームワークを提供する。
論文 参考訳（メタデータ） (2025-11-23T08:42:17Z) - Multi-Modal Sensing Aided mmWave Beamforming for V2V Communications with Transformers [1.9483189922830135]
このようなオーバーヘッドを減らすための代替手段として,マルチモーダルセンシングと融合学習フレームワークを提案する。
本稿では,まず視覚とGPSの座標から,モダリティ特異的エンコーダによるモダリティ検出から特徴を抽出する。
次に、マルチモーダルな特徴を融合させて予測トップkビームを得ることにより、最高の視線リンクを積極的に確立する。
論文 参考訳（メタデータ） (2025-09-14T06:03:42Z) - Multi-Modality Sensing in mmWave Beamforming for Connected Vehicles Using Deep Learning [2.2879063461015425]
本稿では,mmWave受信出力が十分である最適ビームの予測に,マルチモーダルセンシングデータを活用するためのディープラーニングベースのソリューションを提案する。
結果は、トップ13ビームを予測しながら98.19%の精度を達成できることを示している。
論文 参考訳（メタデータ） (2025-04-08T16:18:00Z) - Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。
マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。
その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
論文 参考訳（メタデータ） (2025-04-07T15:38:25Z) - Reliable Beamforming at Terahertz Bands: Are Causal Representations the
Way Forward? [85.06664206117088]
マルチユーザ無線システムは、テラヘルツ帯域と大量のアンテナを利用することで、メタバース要件を満たすことができる。
既存の解にはチャネル力学の適切なモデリングが欠如しており、その結果、高流動シナリオにおける不正確なビームフォーミング解が生じる。
ここでは、変分因果推論における新しい人工知能アルゴリズムを利用して、動的で意味論的に認識されたビームフォーミングソリューションを初めて提案する。
論文 参考訳（メタデータ） (2023-03-14T16:02:46Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳（メタデータ） (2022-10-23T05:57:39Z) - Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing
Things [82.15959827765325]
環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。
我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。
我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
論文 参考訳（メタデータ） (2022-07-14T10:04:18Z) - Deep Learning on Multimodal Sensor Data at the Wireless Edge for
Vehicular Network [8.458980329342799]
本稿では,LiDAR,カメラ画像,GPSなどのセンサから収集したマルチモーダルデータを活用することで,ビーム選択を高速化する手法を提案する。
本研究では,モバイル・エッジ・コンピューティング・センターだけでなく,ローカルでも実行可能な個別かつ分散融合型ディープラーニング(F-DL)アーキテクチャを提案する。
市販の合成および自家用実世界のデータセットに対する広範な評価の結果、古典的なRFのみのビームスイーピングよりも95%と96%のビーム選択速度が向上したことが明らかとなった。
論文 参考訳（メタデータ） (2022-01-12T21:55:34Z) - A Novel Look at LIDAR-aided Data-driven mmWave Beam Selection [24.711393214172148]
軽量ニューラルネットワーク(NN)アーキテクチャとそれに対応するLIDARプリプロセッシングを提案する。
nnベースのビーム選択方式は、ビーム探索のオーバーヘッドなしに79.9%のスループットを達成でき、95%のスループットを6ビーム以内で探索できる。
論文 参考訳（メタデータ） (2021-04-29T18:07:31Z) - Terahertz-Band Joint Ultra-Massive MIMO Radar-Communications:
Model-Based and Model-Free Hybrid Beamforming [45.257328085051974]
テラヘルツ(THz)バンドにおける無線通信とセンシングを,有望な短距離技術として検討した。
THz通信では、伝搬損失を補償する超大質量マルチ入力マルチ出力(UM-MIMO)アンテナシステムが提案されています。
我々は,新しいgroup-of-subarrays (gosa) um-mimo構造のためのモデルベースおよびモデルフリー技術に基づくthzハイブリッドビームフォーマを開発した。
論文 参考訳（メタデータ） (2021-02-27T21:28:34Z)
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。