Indoor Millimeter Wave Localization using Multiple Self-Supervised Tiny Neural Networks

要約

多層パーセプトロン ニューラル ネットワーク (NN) を使用して、大規模な屋内環境におけるモバイル ミリ波クライアントの位置特定を検討します。
単一の深いモデルをトレーニングしてデプロイするのではなく、自己教師ありの方法でトレーニングされた複数の小さな NN の中から選択して進めます。
間違った NN はクライアントのローカライズに失敗するため、主な課題は、利用可能な NN の中から最適な NN を決定して切り替えることになります。
位置特定の精度を維持するために、2 つの切り替えスキームを提案します。1 つはカルマン フィルターに基づくもの、もう 1 つはトレーニング データの統計的分布に基づくものです。
提案されたスキームをシミュレーションによって分析し、私たちのアプローチが幾何学的位置特定スキームと単一の NN の使用の両方よりも優れていることを示します。

要約(オリジナル)

We consider the localization of a mobile millimeter-wave client in a large indoor environment using multilayer perceptron neural networks (NNs). Instead of training and deploying a single deep model, we proceed by choosing among multiple tiny NNs trained in a self-supervised manner. The main challenge then becomes to determine and switch to the best NN among the available ones, as an incorrect NN will fail to localize the client. In order to upkeep the localization accuracy, we propose two switching schemes: one based on a Kalman filter, and one based on the statistical distribution of the training data. We analyze the proposed schemes via simulations, showing that our approach outperforms both geometric localization schemes and the use of a single NN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google