論文の概要: Task-Oriented Candidate-Latent Feedback for Coarse-to-Fine Sensing in Distributed OFDM-ISAC Networks

• arxiv url: http://arxiv.org/abs/2608.03319v1
• Date: Tue, 04 Aug 2026 08:26:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.098513
• Title: Task-Oriented Candidate-Latent Feedback for Coarse-to-Fine Sensing in Distributed OFDM-ISAC Networks
• Title（参考訳）: 分散OFDM-ISACネットワークにおける粗偏差検出のためのタスク指向候補潜時フィードバック
• Abstract要約: 将来の統合センシング通信(ISAC)アーキテクチャは、推論を行うセンシング機能(SF)から測定を取得するセンシングエンティティ(SE)を分離する。 単一ターゲット推定のための候補遅延フィードバックを用いた学習に基づく粗大なセンサパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 6.604029885021074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Future integrated sensing and communication (ISAC) architectures separate the sensing entity (SE) that acquires measurements from the sensing function (SF) that performs inference, creating a need for compact, task-oriented feedback on the SE-SF interface. Forwarding the raw channel frequency response or full per-link delay-Doppler-azimuth-elevation (DDAE) tensor is prohibitively expensive, while peak-only reporting discards target-discriminative structure under clutter. We propose a learning-based coarse-to-fine sensing pipeline with candidate-latent feedback for single-target estimation. At the SE, a lightweight convolutional scorer produces a dense delay-Doppler proposal map from pilot-based OFDM channel estimates, and a learned encoder constructs K compact C-dimensional candidate tokens by fusing per-candidate azimuth-elevation patches, normalized position, and confidence cues. The latents are uniformly quantized post-training to b bits and transmitted under a finite budget B_fb = bKC + 18K + 16 bits to the SF, which performs cross-candidate refinement, reranking, and joint four-parameter estimation. On a ray-traced urban scene with static and dynamic clutter, three operating points in the (K, C, b) design space achieve 96.33-98.88% detection at 107-806 bytes per coherent processing interval, compression ratios of 1.2-9.2 x 10^4 over the 8-bit DDAE magnitude tensor, reducing the SE-SF interface from multi-Gbit/s to sub-Mbit/s rates. Cross-scene evaluation on an independent campus-scale environment achieves 98.79-99.50% detection and at-or-better angular accuracy without retraining, indicating that the learned representation captures target-relevant structure that transports across scenes of comparable or lower clutter density.
• Abstract（参考訳）: 将来の統合センシング・コミュニケーション(ISAC)アーキテクチャは、SE-SFインタフェース上のコンパクトでタスク指向のフィードバックの必要性を生じさせ、推論を行うセンシング関数(SF)から測定値を取得するセンシングエンティティ(SE)を分離する。 生チャネル周波数応答または全リンク遅延-ドップラー-アジマステンソル(DDAE)テンソルの転送は違法にコストがかかるが、ピークのみの報告は、乱れの下でターゲット識別構造を破棄する。 単一ターゲット推定のための候補遅延フィードバックを用いた学習に基づく粗大なセンサパイプラインを提案する。 SEでは、ライトウェイト畳み込みスコアラがパイロットベースのOFDMチャネル推定値から高密度遅延ドップラー提案マップを生成し、学習エンコーダは、候補毎のアジマス上昇パッチ、正規化位置、信頼性キューを融合することにより、KコンパクトなC次元候補トークンを構成する。 潜伏剤はbビットまで均一に定量化され、有限予算B_fb = bKC + 18K + 16ビットでSFに送信される。 K, C, b)設計空間の3つの動作点が、コヒーレント処理間隔あたり107-806バイトで96.33-98.88%、圧縮比が1.2-9.2 x 10^4で8ビットDDAE級テンソルを上回り、SE-SFインタフェースがマルチGbit/sからサブMbit/sレートに減少する。 独立系キャンパススケール環境におけるクロスシーン評価は98.79-99.50%の精度で検出され、学習された表現は、同じあるいは低い粗い密度のシーンを横断するターゲット関連構造を捉えていることを示す。

関連論文リスト

• Adaptive Speech-to-Spike Encoding for Spiking Neural Networks [0.0]
  本稿では,Recurrent Leaky Integrate-and-Fireバックボーンを組み込んだ,学習可能な残音声-スパイクエンコーダについて述べる。 このアプローチをGoogle Speech Commands v2ベンチマークで検証し、94.97%の精度を達成した。
  論文  参考訳（メタデータ） (2026-06-17T13:07:20Z)
• SagnacAssisted Enhanced OTDR for Distributed Acoustic Sensing: A Standardized Benchmark and Engineering Evaluation Framework [3.5435442578622127]
  本研究では,サニャック支援による$-OTDRセンシングアーキテクチャと,エンジニアリング指向のDASイベント認識のための標準ベンチマークフレームワークを開発する。 サニャック干渉計は、$$-OTDRチャネルにおけるフェーディング・パンの観測を補う連続的な位相応答を提供する。 6種類の音響クラスを持つ10km感光ファイバーを用いた実験により, 両分岐融合モデルが最も良好なトレードオフが得られた。
  論文  参考訳（メタデータ） (2026-06-04T06:29:25Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• FSDETR: Frequency-Spatial Feature Enhancement for Small Object Detection [1.5054442506653827]
  小型オブジェクト検出は、ダウンサンプリングによる特徴劣化のため、依然として重要な課題である。 本稿では,RT-DETRベースライン上に構築された周波数空間特徴強調フレームワークFSDETRを提案する。 FSDETRのパラメータはわずか14.7Mであり、VisDrone 2019では13.9%、TinyPersonでは48.95%である。
  論文  参考訳（メタデータ） (2026-04-16T11:22:13Z)
• A Sensing Dataset Protocol for Benchmarking and Multi-Task Wireless Sensing [45.99328292838584]
  本稿では,大規模無線センシングのためのプロトコルレベルの仕様とベンチマークフレームワークであるSensing dataset Protocol (SDP)を提案する。 SDPは、異種無線信号が統一された知覚データブロックスキーマにどのようにマッピングされるかを定義する。 統一ベンチマークは、一貫した前処理、トレーニング、評価を伴う検出、認識、バイタルサイン推定のために確立される。
  論文  参考訳（メタデータ） (2025-12-13T05:01:30Z)
• TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder [66.22997415145467]
  本稿では,スパース領域における検出機能を改善する共同補完・検出フレームワークを提案する。 具体的には,トランスブリッジ(TransBridge)を提案する。トランスブリッジ(TransBridge)はトランスフォーマーをベースとした新しいアップサンプリングブロックである。 その結果,本フレームワークは,各手法の平均精度(mAP)が0.7から1.5の範囲で,エンドツーエンドの3Dオブジェクト検出を一貫して改善していることがわかった。
  論文  参考訳（メタデータ） (2025-12-12T00:08:03Z)
• Multi-Base Station Cooperative Sensing with AI-Aided Tracking [10.400855135405251]
  核融合センター(FC)を介して協調する複数の基地局(BS)からなる共同センシング・通信ネットワークについて検討する。 筆者らのフレームワークは,60cm未満の最適サブパターン割り当て(OSPA)を実現することで,優れたセンシング性能を提供できることを示す。
  論文  参考訳（メタデータ） (2023-10-31T12:27:48Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• 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)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。