HEROS-GAN: Honed-Energy Regularized and Optimal Supervised GAN for Enhancing Accuracy and Range of Low-Cost Accelerometers

要約

低コストの加速度計は、小さなサイズ、統合の容易さ、摩耗性、大量生産の利点のために現代社会で重要な役割を果たし、自動車システム、航空宇宙、ウェアラブル技術に広く適用可能になります。
ただし、この広く使用されているセンサーは、深刻な精度と範囲の制限に苦しんでいます。
この目的のために、私たちは、低コストのセンサー信号を高コストの等価物に変換するため、低コストの加速度計の精度と範囲の制限を克服する、磨かれたエネルギーの正規化された最適な監視装置Gan（Heros-Gan）を提案します。
トレーニング用のフレームレベルのペアリングされた低コストと高コストの信号が不足しているため、最適な輸送監督（OT）を提案します。これは、最適な輸送理論を活用して、対応のないデータ間の潜在的な一貫性を調査し、監督情報を最大化します。
さらに、調整されたラプラスエネルギー（MLE）を提案します。これは、発電機に適切なエネルギーを注入して、範囲の制限を破り、局所的な変化を強化し、信号の詳細を濃縮するように促します。
専用のデータセットがないことを考えると、数万のサンプルを含む低コストの加速度計シグナル強化データセット（lased）を具体的に確立します。これは、加速度計の精度と範囲を改善し、Githubでリリースされる最初のデータセットです。
実験結果は、OTまたはMLEのみと組み合わせたGANが、以前の信号増強SOTAメソッドを1桁上回ることができることを示しています。
OTとMLEの両方を統合すると、Heros-Ganは顕著な結果を達成し、加速度計の範囲を2倍にしながら、信号ノイズを2桁減らし、加速度計シグナル処理のベンチマークを確立します。

要約(オリジナル)

Low-cost accelerometers play a crucial role in modern society due to their advantages of small size, ease of integration, wearability, and mass production, making them widely applicable in automotive systems, aerospace, and wearable technology. However, this widely used sensor suffers from severe accuracy and range limitations. To this end, we propose a honed-energy regularized and optimal supervised GAN (HEROS-GAN), which transforms low-cost sensor signals into high-cost equivalents, thereby overcoming the precision and range limitations of low-cost accelerometers. Due to the lack of frame-level paired low-cost and high-cost signals for training, we propose an Optimal Transport Supervision (OTS), which leverages optimal transport theory to explore potential consistency between unpaired data, thereby maximizing supervisory information. Moreover, we propose a Modulated Laplace Energy (MLE), which injects appropriate energy into the generator to encourage it to break range limitations, enhance local changes, and enrich signal details. Given the absence of a dedicated dataset, we specifically establish a Low-cost Accelerometer Signal Enhancement Dataset (LASED) containing tens of thousands of samples, which is the first dataset serving to improve the accuracy and range of accelerometers and is released in Github. Experimental results demonstrate that a GAN combined with either OTS or MLE alone can surpass the previous signal enhancement SOTA methods by an order of magnitude. Integrating both OTS and MLE, the HEROS-GAN achieves remarkable results, which doubles the accelerometer range while reducing signal noise by two orders of magnitude, establishing a benchmark in the accelerometer signal processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google