論文の概要: A Machine Learning Framework for Weighted Least Squares GNSS Positioning based on Activation Functions

• arxiv url: http://arxiv.org/abs/2605.21461v1
• Date: Wed, 20 May 2026 17:50:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.824569
• Title: A Machine Learning Framework for Weighted Least Squares GNSS Positioning based on Activation Functions
• Title（参考訳）: 活性化関数に基づく重み付き最小二乗GNSS位置決めのための機械学習フレームワーク
• Authors: Pin-Hsun Lee, Harry Leib,
• Abstract要約: 都市キャニオンでは、高層建築物や狭い通りが信号妨害、非視線受信、マルチパス効果を引き起こすことがある。 本研究では,活性化関数を組み込んだ最小二乗重み付きアルゴリズム(WLS)の機械学習フレームワークを提案する。 提案アルゴリズムは, 単連星・多連星のシナリオにおいて, 位置決め誤差を大幅に低減することを示した。
• 参考スコア（独自算出の注目度）: 0.3867363075280543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global Navigation Satellite Systems (GNSS) are widely used to provide position, velocity, and timing (PVT) information for various applications, including transportation, location-based communication services, and intelligent agriculture. In urban canyons, high-rise buildings and narrow streets can cause signal obstruction, non-line-of-sight (NLOS) reception, and multipath effects that introduce errors in GNSS pseudorange measurements. Although multi-constellations GNSS effectively increase the number of available satellites, the inclusion of degraded signals can lead to severe positioning errors. This study proposes a machine learning framework for the weighted least squares (WLS) algorithm incorporating activation functions to enhance positioning accuracy. Several signal quality indicators are employed as training features for ensemble learning algorithms to identify poor quality signals by providing quality scores. Then, activation functions are employed to transform the machine learning predicted scores to appropriate weights for WLS positioning. To evaluate the performance of our approach, experiments are conducted using real-world datasets from Hong Kong and Tokyo urban areas. Comparative analysis of activation functions reveals that sigmoid functions consistently yield the greatest improvements with different machine learning algorithms and GNSS constellation configurations. The proposed algorithm demonstrates substantial reductions in positioning errors for both single- and multiconstellation scenarios. Furthermore, our results indicate that the proposed algorithm exhibits strong geographical transferability. The proposed algorithm maintains comparable level of performance when trained on data from other regions with similar levels of urbanization.
• Abstract（参考訳）: グローバルナビゲーション衛星システム(GNSS)は、交通、位置情報ベースの通信サービス、インテリジェント農業など、様々な用途の位置情報、速度、タイミング(PVT)情報を提供するために広く利用されている。 都市キャニオンでは、高層建築物や狭い通りは信号妨害、非視線受信(NLOS)、GNSS擬似距離測定における誤差をもたらすマルチパス効果を引き起こす可能性がある。 マルチコンステレーション GNSS は利用可能な衛星の数を効果的に増加させるが、信号の劣化が重大な位置決め誤差を引き起こす可能性がある。 本研究では、位置決め精度を高めるために、アクティベーション関数を組み込んだ重み付き最小二乗法(WLS)アルゴリズムのための機械学習フレームワークを提案する。 いくつかの信号品質指標をアンサンブル学習アルゴリズムのトレーニング機能として使用し、品質スコアを提供することで品質の悪い信号を識別する。 次に、活性化関数を用いて機械学習予測スコアをWLS位置決めに適した重みに変換する。 本手法の有効性を評価するために,香港と東京の都市部における実世界のデータセットを用いて実験を行った。 アクティベーション関数の比較解析により、シグモイド関数は、異なる機械学習アルゴリズムとGNSSコンステレーション構成で、常に最大の改善をもたらすことが明らかとなった。 提案アルゴリズムは, 単連星・多連星のシナリオにおいて, 位置決め誤差を大幅に低減することを示した。 さらに,提案アルゴリズムは地理的移動性が強いことを示す。 提案アルゴリズムは、同じレベルの都市化レベルを持つ他の領域のデータに基づいてトレーニングされた場合、同等の性能を維持する。

関連論文リスト

• NeRC: Neural Ranging Correction through Differentiable Moving Horizon Location Estimation [6.710540524072153]
  本稿では,ニューラルネットワークモジュールをトレーニングする作業目的として,ローカライズ関連メトリクスが使用される,堅牢なエンドツーエンドニューラル補正フレームワークを提案する。 比較的容易に取得可能な地道的位置を用いてニューラルネットワークを訓練する。 さらに,Euclidean Distance Field (EDF) のコストマップを用いた新たな学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-08-20T01:23:32Z)
• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• A Survey of Machine Learning Techniques for Improving Global Navigation Satellite Systems [0.0]
  本稿では,機械学習(ML)の最近の進歩とその限界に対処する可能性を強調する。 教師なし学習、教師なし学習、ディープラーニング、ハイブリッドアプローチなど、幅広いML手法をカバーする。 このサーベイは、信号解析、異常検出、マルチセンサー統合、予測、MLを用いた精度向上といった、位置決めアプリケーションに関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-29T18:31:50Z)
• GNSS Positioning using Cost Function Regulated Multilateration and Graph Neural Networks [0.0699049312989311]
  衛星からの視線信号が高層物体によって頻繁に遮断される都市環境では、受信機は衛星範囲を測定する際に大きな誤差を受ける。 ヒューリスティック法は、これらの誤差を推定し、雑音測定が局所化精度に与える影響を減らすために一般的に用いられる。 本研究では,これらの誤り推定をグラフニューラルネットワークに基づくディープラーニングモデルに置き換える。
  論文  参考訳（メタデータ） (2024-02-28T19:00:01Z)
• Learning-based NLOS Detection and Uncertainty Prediction of GNSS Observations with Transformer-Enhanced LSTM Network [2.798138034569478]
  本研究では,NLOSの検出と誤りの予測を擬似時間的モデリング問題を用いて行う深層学習に基づく手法を提案する。 香港とAachenのデータセットを使って、提案したネットワークをトレーニングし、評価する。 提案手法は,NLOS観測の分類・排除により,実世界の車両位置の軌跡のばらつきを回避できることを示す。
  論文  参考訳（メタデータ） (2023-09-01T14:17:02Z)
• Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
  本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。 本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。 合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
  論文  参考訳（メタデータ） (2023-06-19T12:01:28Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• Adaptive Self-supervision Algorithms for Physics-informed Neural Networks [59.822151945132525]
  物理情報ニューラルネットワーク(PINN)は、損失関数のソフト制約として問題領域からの物理的知識を取り入れている。 これらのモデルの訓練性に及ぼす座標点の位置の影響について検討した。 モデルがより高い誤りを犯している領域に対して、より多くのコロケーションポイントを段階的に割り当てる適応的コロケーション方式を提案する。
  論文  参考訳（メタデータ） (2022-07-08T18:17:06Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)

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。