論文の概要: RIS-Aided mmWave Localization Under Cross-Link Interference via Beam-Domain ML Fingerprinting
- arxiv url: http://arxiv.org/abs/2608.07444v1
- Date: Fri, 07 Aug 2026 17:28:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.584316
- Title: RIS-Aided mmWave Localization Under Cross-Link Interference via Beam-Domain ML Fingerprinting
- Title（参考訳）: ビームドメインMLフィンガープリントによるクロスリンク干渉下でのRIS支援mm波定位
- Abstract要約: 本稿では、受信した信号-雑音比(SNR)を、予め定義されたRIS反射状態の小さなセットにマッピングするビームドメイン指紋フレームワークをユーザ機器(UE)に提案する。
本研究では, 近接するクロスリンク干渉器がクリーンなSNR指紋を破損し, 信号対干渉+ノイズ比 (SINR) の指紋を生じる, 現実的な干渉障害シナリオに拡張する。
鍵となる発見は、干渉はビームドメイン指紋における位置情報の非対称符号化の結果、すべてのモデルにおけるレンジ推定よりもかなり大きく角度推定を劣化させることである。
- 参考スコア（独自算出の注目度）: 0.4369550829556577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate user equipment (UE) localization is critical for beam management in reconfigurable intelligent surface (RIS)-assisted millimeter-wave (mmWave) based sixth-generation (6G) networks, especially if the direct base-station-UE links are unavailable. This paper proposes a beam-domain fingerprint framework that maps the received signal-to-noise ratio (SNR) across a small set of predefined RIS reflection states to the UE azimuth angle and range, without requiring channel state information (CSI). Crucially, we extend the framework to a realistic interference-impaired scenario in which a nearby cross-link interferer (CLI) corrupts the clean SNR fingerprint, yielding a signal-to-interference-plus-noise ratio (SINR) fingerprint; an interference-to-noise ratio (INR)-constrained calibration strategy keeps the interference level physically interpretable. Four machine-learning (ML) regressors are evaluated under both conditions. Simulation results at 28 GHz with a 20x20 RIS show that k-nearest neighbors (KNN) achieves the lowest angle MAE of 0.37 degrees and range MAE of 4 cm under clean conditions, rising to 1.4 degrees and 7.6 cm under interference. A key finding is that interference degrades angle estimation substantially more than range estimation across all models, a consequence of the asymmetric encoding of location information in the beam-domain fingerprint.
- Abstract（参考訳）: 正確なユーザ機器(UE)のローカライゼーションは、特に直接ベースステーション-UEリンクが利用できない場合、再構成可能なインテリジェントサーフェス(RIS)アシストミリ波(mmWave)ベースの第6世代(6G)ネットワークにおけるビーム管理に重要である。
本稿では、受信した信号対雑音比(SNR)を、チャネル状態情報(CSI)を必要とせず、予め定義されたRIS反射状態をUE方位角と範囲にマッピングするビームドメイン指紋フレームワークを提案する。
重要なことに、我々はこの枠組みを、近隣のクロスリンク干渉器(CLI)がクリーンなSNR指紋を破損し、信号対干渉プラスノイズ比(SINR)指紋、干渉対雑音比(INR)制約キャリブレーション戦略が干渉レベルを物理的に解釈可能な現実的な干渉障害シナリオに拡張する。
4つの機械学習(ML)回帰器を両条件で評価する。
20x20 RISの28GHzでのシミュレーションの結果、k-nearest neighbors (KNN) は0.37°の最低角度MAEと4 cmのクリーンな条件下での射程MAEを達成し、干渉下で1.4°と7.6 cmまで上昇することを示した。
鍵となる発見は、干渉はビームドメイン指紋における位置情報の非対称符号化の結果、すべてのモデルにおけるレンジ推定よりもかなり大きく角度推定を劣化させることである。
関連論文リスト
- RF-VoID: Towards Bandwidth-Efficient Exterior Tile Void Detection via Narrowband Radio-Frequency Representation Learning [26.146393494302547]
ミリ波レーダーは、外装のセラミックタイルの後ろに隠れたデボンドを見つけるための非接触的な方法を提供する。
従来の解釈はまずレンジプロファイルを再構成するので、その信頼性は利用可能な帯域幅によって制限される。
この研究は、帯域幅を計算のために交換できるかどうかを問うものである。
論文 参考訳（メタデータ） (2026-09-11T03:18:37Z) - AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。
本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
論文 参考訳（メタデータ） (2026-08-12T08:42:05Z) - Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。
相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。
まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
論文 参考訳（メタデータ） (2026-07-13T14:03:26Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks [100.92510794177822]
従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、瞬時チャネル状態情報(CSI)に依存し、チャネルの変動に反応する。
本研究では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。
提案手法は,特にビームスイッチング遅延の増加にともなって,停止確率とブロック応答遅延を低減させる。
論文 参考訳（メタデータ） (2026-05-12T09:02:20Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。
AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
論文 参考訳（メタデータ） (2026-01-14T20:56:50Z) - Machine Learning for LiDAR-Based Indoor Surface Classification in Intelligent Wireless Environments [0.0]
本稿では,室内表面を半特異・低特異のカテゴリに分類するLiDAR駆動型機械学習フレームワークを提案する。
15の屋内材料から78,000点以上のデータセットを収集し、3cm×3cmのパッチに分割した。
結果は、アンサンブルツリーベースのモデルが、正確性と堅牢性の間の最良のトレードオフを一貫して提供することを示している。
論文 参考訳（メタデータ） (2025-09-04T01:58:18Z) - On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。
我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
論文 参考訳（メタデータ） (2025-07-25T19:58:44Z) - A Comprehensive Data Description for LoRaWAN Path Loss Measurements in an Indoor Office Setting: Effects of Environmental Factors [6.8093214146903875]
本稿では,屋内オフィス環境において収集したLoRaWAN技術パス損失の包括的データセットについて述べる。
反射、散乱、干渉、占有パターンなどの過渡現象は、信号減衰を最大10.58dBで変化させることができる。
このデータセットは、屋内無線通信における将来の研究と開発のための確かな基盤を提供する。
論文 参考訳（メタデータ） (2025-05-09T18:41:42Z) - Environment-Aware Indoor LoRaWAN Ranging Using Path Loss Model Inversion and Adaptive RSSI Filtering [3.776919981139063]
本稿では,環境に配慮したマルチウォールパス損失モデルとRSSIのためのKalman prefilterを結合した,軽量で解釈可能なパイプラインを提案する。
アプローチは平均絶対誤差(MAE)は4.74m、根平均二乗誤差(RMSE)は6.76mである。
論文 参考訳（メタデータ） (2025-05-02T11:00:40Z) - Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する
本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。
本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
論文 参考訳（メタデータ） (2024-09-23T15:20:33Z) - Ultra-Reliable Indoor Millimeter Wave Communications using Multiple
Artificial Intelligence-Powered Intelligent Surfaces [115.85072043481414]
複数人工知能(AI)対応再構成可能なインテリジェントサーフェス(RIS)を用いた超信頼性ミリ波(mmW)通信を保証する新しいフレームワークを提案する。
複数のAI駆動RISを使用することで、mmWアクセスポイント(AP)から送信される信号の伝搬方向を変更できます。
mmW APとRISのポリシーを制御するために、2つの集中型および分散コントローラが提案されている。
論文 参考訳（メタデータ） (2021-03-31T19:15:49Z)
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。