論文の概要: CRB-Guided Framework Design and Resource Allocation for Indoor mmWave ISCC Systems

• arxiv url: http://arxiv.org/abs/2605.29939v1
• Date: Thu, 28 May 2026 13:51:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.364606
• Title: CRB-Guided Framework Design and Resource Allocation for Indoor mmWave ISCC Systems
• Title（参考訳）: 室内ミリ波ISCCシステムのためのCRB誘導型フレームワークの設計と資源配分
• Authors: Zhonghao Liu, Yahao Ding, Yinchao Yang, Mohammad Shikh-Bahaei,
• Abstract要約: 短期的な人間のポーズ予測は、人間の追跡と資源配分を前もって促進する。 室内mmWave I SCCシステムのためのCRB誘導型資源配分フレームワークを提案する。 提案手法は,ベースライン法と比較してポーズ予測誤差を著しく低減することを示す。
• 参考スコア（独自算出の注目度）: 6.9870745892721695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Integrated sensing, communication, and computation (ISCC) provides a promising framework for indoor human-centric applications. In these applications, short-term human pose prediction facilitates continuous human tracking and resource allocation in advance. In this paper, we propose a Cramer-Rao bound (CRB) guided resource allocation framework for indoor mmWave ISCC systems to minimize the human pose prediction error under communication, latency, and energy constraints. We characterize the impact of sensing power on range-estimation uncertainty and point-cloud perturbation based on the CRB. To capture the impact of computation resources on prediction performance, we adopt an adaptive-depth Mamba-based pose prediction model, where lightweight prediction heads are attached after every layer to enable inference with different model depths. With this unified sensing-computation modeling, we establish a quantitative relationship among sensing power, model depth, and prediction error. Furthermore, we formulate a joint resource allocation problem to minimize the pose prediction error. To solve this problem efficiently, we develop an alternating optimization (AO)-based algorithm, where closed-form solutions are derived for the sensing power and model depth update steps. Simulation results show that the proposed scheme significantly reduces pose prediction error compared with baseline methods, validating its effectiveness for resource-constrained indoor human-centric ISCC systems.
• Abstract（参考訳）: 統合センシング、通信、計算(ISCC)は、屋内の人間中心のアプリケーションに有望なフレームワークを提供する。 これらの応用において、短期的な人間のポーズ予測は、人間の連続的な追跡と資源配分を前もって促進する。 本稿では,通信,遅延,エネルギー制約下での人間のポーズ予測誤差を最小限に抑えるため,室内ミリ波ISCCシステムのためのCRB誘導型資源配分フレームワークを提案する。 CRBに基づく範囲推定の不確実性と点雲摂動に及ぼすセンサパワーの影響を特徴付ける。 計算資源が予測性能に与える影響を捉えるため,各層に軽量な予測ヘッドを付加し,異なるモデル深度での推論を可能にする適応深度マンバ型ポーズ予測モデルを採用した。 この統合されたセンサ・コンピューティング・モデリングにより,センサ・パワー,モデル深度,予測誤差の定量的関係を確立する。 さらに、ポーズ予測誤差を最小限に抑えるために、共同資源配分問題を定式化する。 この問題を効率的に解決するために,センサパワーとモデル深度更新ステップに対して閉形式解を導出する交互最適化アルゴリズム(AO)を開発した。 シミュレーションの結果,提案手法は基準手法と比較してポーズ予測誤差を著しく低減し,資源拘束型屋内人中心ISCCシステムの有効性を検証した。

関連論文リスト

• Joint Optimization of Model Partitioning and Resource Allocation for Anti-Jamming Collaborative Inference Systems [52.842088497389746]
  この手紙は、悪意のあるジャマーの存在下での、アンチジャミングの協調推論システムに焦点を当てている。 まず、ジャミングとDNNパーティショニングがデータ回帰による推測精度に与える影響を解析する。 問題を3つのサブプロブレムに分解する,効率的な交互最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-03-03T03:52:52Z)
• Hybrid twinning using PBDW and DeepONet for the effective state estimation and prediction on partially known systems [0.0]
  本研究では,物理に基づくモデリングとデータ駆動学習を組み合わせ,状態推定を強化する効果的なハイブリッド手法を提案する。 ヘルムホルツ方程式を含む代表問題に対する提案手法を検証した。
  論文  参考訳（メタデータ） (2025-12-03T12:19:00Z)
• Aligning Latent Spaces with Flow Priors [72.24305287508474]
  本稿では,学習可能な潜在空間を任意の目標分布に整合させるための新しいフレームワークを提案する。 特に,提案手法は計算コストの高い確率評価を排除し,最適化時のODE解決を回避する。
  論文  参考訳（メタデータ） (2025-06-05T16:59:53Z)
• Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management [50.34345101758248]
  本稿では,機能停止予測とグローバルに最適化された介入を統合するフレームワークPATOGを提案する。 提案手法は,空間的かつ時間的に整合性のある意思決定を保証し,予測精度と操作効率を両立させる。 合成および実世界のデータセットの実験では、停止予測一貫性とグリッドレジリエンスが大幅に改善された。
  論文  参考訳（メタデータ） (2025-02-25T16:15:35Z)
• Bayesian Cramér-Rao Bound Estimation with Score-Based Models [3.4480437706804503]
  ベイジアンクラム・ラオ境界(英語版)(英: Bayesian Cram'er-Rao bound, CRB)は、任意のベイジアン推定器の平均二乗誤差に対する下界を与える。 本研究は,スコアマッチングを用いたCRBのための新しいデータ駆動推定手法を提案する。
  論文  参考訳（メタデータ） (2023-09-28T00:22:21Z)
• Intelligent Proactive Fault Tolerance at the Edge through Resource Usage Prediction [0.7046417074932255]
  リカレントニューラルネットワーク(RNN)を用いたエッジリソース利用予測を利用した知的能動的フォールトトレランス(IPFT)手法を提案する。 本稿では,処理能力の欠如により許容範囲で品質・オブ・サービス(QoS)を提供するインフラの欠如に関連するプロセスフォールトに着目した。
  論文  参考訳（メタデータ） (2023-02-09T00:42:34Z)
• Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
  単一チャネルソース分離(SCSS)の問題点について検討する。 我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。 本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-08-22T14:04:56Z)
• On Efficient Uncertainty Estimation for Resource-Constrained Mobile Applications [0.0]
  予測の不確実性は、モデル予測を補完し、下流タスクの機能を改善します。 Axolotlフレームワークを用いてモンテカルロ・ドロップアウト(MCDO)モデルを構築することでこの問題に対処する。 我々は,(1)CIFAR10データセットを用いた多クラス分類タスク,(2)より複雑な人体セグメンテーションタスクについて実験を行った。
  論文  参考訳（メタデータ） (2021-11-11T22:24:15Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)

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。