Joint Localization and Environment Sensing of Rigid Body With 5G Millimeter Wave MIMO
Notice bibliographique
Résumé
Accurately localizing a target in three-dimensional (3D) space assisted with the fifth generation (5G) wireless systems in an indoor environment could enable a wide variety of new applications, including precise control for factory automation, self-maneuver of the vehicle and so on. However, controlling a target in 3D space relies on a rigid body modelling with six degrees of freedom, which dramatically increases the localization difficulty and complexity. Furthermore, for radio-based localization methods, the lack of line-of-sight (LOS) and the existence of reflection points in the environment will also influence the rigid body localization process. To improve the rigid body localization accuracy as well as unravel useful environmental information from the received signal, a novel rigid body joint active localization and environment sensing scheme is proposed in this paper. Specifically, the multi-path effect of millimeter wave (mm-wave) signal with a single reflection can be exploited to enhance the rigid body localization accuracy, and it can also be utilized to locate the reflection points, which further enables a new way for environmental sensing. Hence, we first propose a two-step hierarchical compressive sensing algorithm to extract the angular and distance information of the LOS (if available) and single-bounce specular reflections. Then a particle swarm optimization (PSO) based method is derived to recover the posture of the rigid body and the location of reflection points. The Cramér-Rao lower bound (CRLB) on angle, rigid body posture and reflection points position uncertainty is also analyzed. The simulation results demonstrate that the proposed scheme can achieve high accuracy rigid body localization and locate the reflection points around the rigid body even under obstructed-line-of-sight (OLOS) conditions in an indoor scene.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».