論文の概要: Multi-Periodogram Velocity Estimation with Irregular Reference Signals for Robot-Aided ISAC

• arxiv url: http://arxiv.org/abs/2604.25974v1
• Date: Tue, 28 Apr 2026 10:23:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.114047
• Title: Multi-Periodogram Velocity Estimation with Irregular Reference Signals for Robot-Aided ISAC
• Title（参考訳）: ロボット支援ISACのための不規則基準信号を用いた多周波速度推定
• Authors: Yi Geng, Pan Cao, Ting Zeng, Yongqian Deng,
• Abstract要約: 本研究では,不規則な時間領域パターンによって引き起こされる速度分布を周期的ピーク成分と振幅整形成分に分解できることを示す。 本稿では,標準に準拠し,新たなセンサ指定RSを必要としない多周期速度推定アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.41998444721319217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses velocity estimation within robot-aided integrated sensing and communications (ISAC), where mobile robots act as sensing nodes but can only opportunistically reuse irregular 5G/6G reference signals (RSs). We show that the velocity profile induced by such irregular time-domain patterns can be decomposed into a periodic-peak component and an amplitude-shaping (weighting) component. Leveraging this structure, we propose a multi-periodogram velocity estimation algorithm that is standard-compliant and does not require new sensing-dedicated RSs or 3GPP modifications. Simulation results demonstrate that, compared with conventional periodogram processing, the proposed method improves low-SNR robustness by achieving a 3 dB SNR gain at the 10% missed-detection rate and reducing false alarms by 51%.
• Abstract（参考訳）: 本稿では,移動ロボットがセンサノードとして機能するロボット支援統合センシング通信(ISAC)における速度推定について述べる。 このような不規則な時間領域パターンによって引き起こされる速度分布は、周期的なピーク成分と振幅整形(重み付け)成分に分解可能であることを示す。 この構造を応用して、標準準拠であり、新しいセンシング専用RSや3GPP修正を必要としないマルチ周期速度推定アルゴリズムを提案する。 シミュレーションの結果,従来の周期解析処理と比較して,3dBのSNRゲインを10%のミス検出速度で達成し,誤報を51%低減することにより,低SNRロバスト性の向上を図っている。

関連論文リスト

• Universally Empowering Zeroth-Order Optimization via Adaptive Layer-wise Sampling [43.822941944402544]
  ゼロ階最適化は、微調整された大規模言語モデルのための有望なメモリ効率のパラダイムを提供する。 しかし,壁面収差の緩やかな収束と高い推定分散により,その実用化は厳しく制約されている。 本稿では,適応層型ZO最適化フレームワークであるAdaLeZOを提案する。
  論文  参考訳（メタデータ） (2026-04-20T13:37:31Z)
• Attention-Based SINR Estimation in User-Centric Non-Terrestrial Networks [79.40703093824894]
  衛星ベース非地球ネットワーク(NTN)におけるユーザ中心ビームフォーミングの性能最適化の中心は、SINR(Signal-to-Interference-plus-noise ratio)である。 マルチヘッド自己アテンション(MHSA)を利用した低複雑さSINR推定フレームワークを提案する。 いずれのDMHSAモデルも高い推定精度を維持しており、ルート平均2乗誤差は通常1dB以下であり、優先度待ち型スケジュールユーザである。
  論文  参考訳（メタデータ） (2026-02-24T17:12:36Z)
• Low-Dimensional Adaptation of Rectified Flow: A New Perspective through the Lens of Diffusion and Stochastic Localization [59.04314685837778]
  整流流(RF)は、その生成効率と最先端の性能からかなりの人気を得ている。 本稿では,RFがターゲット分布の支持の内在的低次元性に自動的に適応し,サンプリングを高速化する程度について検討する。 時間分割方式を慎重に設計し,十分な正確なドリフト推定を行うことで,RFサンプリング器はオーダーO(k/varepsilon)$の複雑さを享受できることを示す。
  論文  参考訳（メタデータ） (2026-01-21T22:09:27Z)
• A Hybrid Artificial Intelligence Method for Estimating Flicker in Power Systems [42.76841620787673]
  本稿では,Hフィルタと適応線形ニューロンネットワークを組み合わせたハイブリッドAI手法を提案する。 提案手法はHフィルタのロバスト性を利用して不確実でノイズの多い条件下で電圧エンベロープを抽出し,次にADALINEを用いてエンベロープに埋め込まれたフリック周波数を正確に同定する。
  論文  参考訳（メタデータ） (2025-06-16T15:38:39Z)
• Dim and Small Target Detection for Drone Broadcast Frames Based on Time-Frequency Analysis [13.693769465573297]
  本稿では,通信プロトコルの時間周波数解析に基づく,ドローン放送フレームのターゲット検出アルゴリズムを提案する。 提案アルゴリズムは,既存のアルゴリズムと比較して評価基準を2.27%改善する。
  論文  参考訳（メタデータ） (2025-05-14T02:53:42Z)
• Dilated convolutional neural network for detecting extreme-mass-ratio inspirals [8.809900732195281]
  本稿では,周波数領域におけるシーケンスモデリングによるEMRI信号検出に着目したエンドツーエンドモデルDECODEを提案する。 我々は,SNRを50～120に蓄積した1年間のデータから,真正の96.3%を偽正の1%で達成した。
  論文  参考訳（メタデータ） (2023-08-31T03:16:38Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• FastEmit: Low-latency Streaming ASR with Sequence-level Emission Regularization [78.46088089185156]
  ストリーム自動音声認識(ASR)は、仮説化された単語を可能な限り迅速かつ正確に出力することを目的としている。 既存のアプローチでは、シーケンストランスデューサモデルにおいて、トーケン単位またはフレーム単位の確率予測を演算することで、発光遅延をペナルティ化する。 本稿では,訓練用トランスデューサモデルにおいて,シーケンス毎の確率に遅延正規化を直接適用する,FastEmitというシーケンスレベルのエミッション正規化手法を提案する。
  論文  参考訳（メタデータ） (2020-10-21T17:05:01Z)

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。