論文の概要: SymNetPro: LOS-Aware Directional Multi-Transmitter Localization from Sparse Radio Observations

• arxiv url: http://arxiv.org/abs/2609.33964v2
• Date: Tue, 06 Oct 2026 17:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.215048
• Title: SymNetPro: LOS-Aware Directional Multi-Transmitter Localization from Sparse Radio Observations
• Title（参考訳）: SymNetPro: スパース電波観測によるLOS対応指向性マルチ送信装置の局在化
• Abstract要約: SymNetPro は,SymNet のマルチタスク無線マップ再構成とローカライズバックボーンを保持する。 第一に、疎視線(LOS)を意識した注意バイアスは、選択されたトークン相互作用に障害物認識空間関係を注入する。 第2に、トランスミッタ・ドロップ増強は、サンプル支持送信機を1つ取り除いた後にトレーニングシーンを再構成し、ソース/心拍変動を制御するモデルを公開する。
• 参考スコア（独自算出の注目度）: 13.321672411243924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Directional multi-transmitter localization from sparse received-power observations is difficult because the receiver observes only the source-unresolved aggregate field: multiple directional sources superpose, building blockage fragments their visible regions, and stronger sources can mask weaker ones. We present SymNetPro, which retains the dual-task radio-map reconstruction and localization backbone of SymNet and adds two targeted components. First, a sparse line-of-sight (LOS)-aware attention bias injects obstruction-aware spatial relations into selected token interactions. Second, transmitter-drop augmentation recomposes training scenes after removing one sample-supported transmitter, exposing the model to controlled source-cardinality variation. Experiments on directional ray-traced urban environments show substantially lower OSPA than representative localization baselines under extreme sparse sampling, with consistent gains under measurement noise and increasing transmitter count. A transmitter-specific evidence analysis further shows that remaining misses concentrate in regimes where the target contributes little distinguishable power to the aggregate observation.
• Abstract（参考訳）: 受信機は、ソース未解決の集約フィールドのみを観測し、複数の指向性ソースが重畳され、ブロックフラグメントが可視領域に構築され、より強いソースが弱い領域を隠蔽する可能性があるため、スパース受信パワー観測からの指向性多重送信機ローカライゼーションは困難である。 本稿では,SymNetのマルチタスク無線マップの再構築とローカライゼーションのバックボーンを保持するSymNetProについて述べる。 第一に、疎視線(LOS)を意識した注意バイアスは、選択されたトークン相互作用に障害物認識空間関係を注入する。 第2に、トランスミッタ・ドロップ増強は、サンプル支持送信機を1つ取り除いた後にトレーニングシーンを再構成し、ソース/心拍変動を制御するモデルを公開する。 指向性レイトレーシング都市環境の実験は、極端スパースサンプリング下での代表的な局在化ベースラインよりもOSPAが著しく低く、測定ノイズ下では一貫した利得と送信機数の増加を示す。 送信機固有のエビデンス分析により、残りのミスは、ターゲットが集合的な観測にほとんど区別可能なパワーを寄与しない体制に集中していることが示される。

関連論文リスト

• MAPLE-RF: Efficient Probabilistic RF Source Localization in Partially Explored Environments [12.163914087412811]
  本研究では,部分探索地図上での単発送信機のローカライゼーションについて検討する。 送信機の後方位置を出力する2つの手法を比較した。 室内環境のレイトレーシングシミュレーションは、混合マップカバレッジのトレーニングが両方のアプローチに不可欠であることを示している。
  論文  参考訳（メタデータ） (2026-09-17T19:26:25Z)
• SymNet: A Multi-Task Network for Joint Radio Map Reconstruction and Transmitter Localization [3.478723877393129]
  本稿では,疎信号測定から指向性無線地図と送信機位置を共同で予測する統合フレームワークを提案する。 SymNetは送信機のローカライゼーションのための予測ヘッドを無線地図再構成と共に組み込んでおり、両方のタスクを同時に学習することができる。 挑戦的な方向性シナリオの実験は、SymNetが最先端のベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-07-30T04:25:50Z)
• NARRAS: Edge-Triggered Distributed Inference for CSI-Based Localization in Vehicular IoT Networks [52.237935683898144]
  車両用IoTネットワークにおけるCSIベースのローカライゼーションのためのETDIをインスタンス化する。 NARRASは、各RAAが最新の観測結果の要約と送信した最後の潜伏状態の記憶を結合した分散レポートポリシーである。
  論文  参考訳（メタデータ） (2026-06-10T10:47:44Z)
• Bridging the Sampling Distribution Shift in Radio Map Estimation: A Trajectory-Aware Paradigm [19.549188944529753]
  学習に基づく無線地図推定(RME)は、UAV支援無線センシングにおいて重要な役割を担い、カバレッジ予測やネットワーク最適化といったタスクを可能にする。 現在のほとんどの手法では、ランダムサンプリングに基づいて独立に同一に分散されたトレーニングとテストの設定を前提としている。 このミスマッチはサンプリング分布シフトを導入し、空間場回復の本質的な困難を増大させる。 そこで本研究では,Triggered Trajectory-Based (ST-TBS) に基づくトラジェクティブ・アウェア・トレーニング・パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-27T09:47:23Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• ReVeal-MT: A Physics-Informed Neural Network for Multi-Transmitter Radio Environment Mapping [9.43653276377036]
  本稿では,マルチソースPDE残基をニューラルネットワーク損失関数に統合した新しいPINNであるemphReVeal-MTを提案する。 ReVeal-MTは、農耕地や郊外の環境にまたがるARA無線リビングラボからの実測値を用いて検証されている。 その結果,ReVeal-MTはマルチトランスミッタのシナリオでかなりの精度のゲインが得られることがわかった。
  論文  参考訳（メタデータ） (2025-11-22T23:33:06Z)
• RadioFormer: A Multiple-Granularity Radio Map Estimation Transformer with 1\textpertenthousand Spatial Sampling [60.267226205350596]
  電波マップ推定は、電磁スペクトル量の密度の高い表現を生成することを目的としている。 空間スパース観測によって生じる制約に対処する新しい多重粒度変換器であるRadioFormerを提案する。 また,RadioFormerは,最小計算コストを維持しつつ,無線マップ推定における最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-27T08:44:41Z)
• Semi-signed neural fitting for surface reconstruction from unoriented point clouds [53.379712818791894]
  より優れた符号付き距離場を再構成するためのSN-Fittingを提案する。 SSNフィッティングは半署名の監督と損失に基づく領域サンプリング戦略で構成されている。 我々は,SSN-Fittingが,異なる設定下で最先端の性能を達成することを示す実験を行う。
  論文  参考訳（メタデータ） (2022-06-14T09:40:17Z)
• Towards Overcoming False Positives in Visual Relationship Detection [95.15011997876606]
  視覚的関係検出(VRD)における偽陽性率の高い原因について検討する。 本稿では,偽陽性の影響を軽減する堅牢なVRDフレームワークとして,Spatially-Aware Balanced negative pRoposal sAmpling(SABRA)を提案する。
  論文  参考訳（メタデータ） (2020-12-23T06:28:00Z)

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。