XiaoMi-AI文件搜索系统
World File Search SystemNLOS
FE/SV - NLOS/NLAS 参考指南
提名程序与 TC 项目中制定的工作计划相关。鼓励所有申请 TC 项目奖学金和科学访问的潜在申请人通过 IAEA 的 Intouch+ 门户在线申请。https://intouchplus.iaea.org/ITP/faces/main.jsf 申请表必须通过政府渠道提交给 IAEA。带宽较低的潜在申请人也可以下载提名表：英语：Word 版本 | pdf 版本法语：Word 版本 | pdf 版本西班牙语：Word 版本 | pdf 版本所有申请必须通过与 IAEA 的官方沟通渠道发送，即 NLO 办公室和/或 ARCAL 协调员（如果与 ARCAL 协议下的项目有关）。链接：https://www.iaea.org/services/technical-cooperation-programme/fellowships
基于UWB室内定位系统中的基于XGBoost的多类NLOS通道
超宽带（UWB）基于位置的服务中的视力（NLOS）识别技术准确的非线识别技术对于无人机通信和自动导航等应用至关重要。然而，使用二进制分类（LOS/NLOS）的当前方法过多地简化了现实世界中的复杂性，具有有限的概括和对变化室内环境的适应性，从而降低了定位的准确性。本研究提出了一个极端的梯度提升（XGBOOST）模型，以识别多级NLOS条件。我们使用网格搜索和遗传算法优化模型。最初，网格搜索方法用于确定整数超参数的最有利值。为了实现优化的模型配置，遗传算法用于微调浮点高参数。模型评估利用了使用Qorvo DW1000 UWB设备获得的广泛的现实测量数据集，涵盖了各种室内场景。实验结果表明，我们提出的XGBoost在开源数据集中达到了99.47％的最高总体准确度，精度为99％，召回99％，F-SCORE为99％。此外，基于本地数据集，该模型的性能最高，精度为96％，精度为96％，召回97％，F评分为97％。与文献中当前的机器学习方法相反，该建议模型提高了分类精度，并有效地解决了NLOS/LOS识别作为多类传播通道。这种方法提供了一种强大的解决方案，具有在各种数据集类型和环境中的概括和适应性，以提供更可靠，准确的室内定位技术。
Microsoft PowerPoint-ARIADNE_5G_Workshop_T_P_Oct2020.pptx
• 具有 LOS 或 NLOS 条件的室外环境 • 无移动性 • 使用超表面避免信号阻塞 • 最佳路由，调整超表面参数 • KPI：吞吐量、延迟、可靠性、可用性
迈向可靠的无人机山区定位……
摘要 — 可靠的定位服务对于山区环境中的用户和设备极为重要，因为它可以实现各种基于位置的应用。然而，在这样的环境中，传统无线定位技术的服务可靠性往往令人失望。频繁的非视距 (NLoS) 传播和可用锚节点的不良几何形状是两个重大挑战。由于无人机 (UAV) 的高机动性和灵活部署，无人机定位可能是解决这些挑战的一个有希望的解决方案。与卫星和地面基站相比，无人机能够飞到传播条件和几何形状都有利于定位的地方。本研究项目的最终目标是设计一种新型的无人机定位系统，该系统使用低空无人机平台为山区环境中的地面用户提供高可靠性服务。在本文中，我们介绍了项目第一阶段的最新进展，包括以下内容。首先，在综合考虑各种因素后确定所提出的系统的结构和使用的定位方法。利用现实地形的数字高程模型，我们建立了基于几何的 NLoS 概率模型，以便在可靠性分析期间将 NLoS 传播视为一种故障。最重要的是，开发了一种可靠性预测方法和相应的指标来评估系统提供可靠定位服务的能力。在本文的最后，我们还提出了一种基于投票的方法来提高服务可靠性。数值结果证明了所提出的系统在可靠定位方面的巨大潜力。
物理限制的深度偏置点扩散函数模型：朝向非视线成像重建
摘要。非线视线（NLOS）成像已成为一种突出的技术，用于从经历多种弥漫性反射的图像中重建遮盖的对象。这种成像方法由于其广泛的潜在应用而引起了各种领域的关注，包括遥感，救援操作和智能驾驶。然而，准确地对入射光方向进行建模，该方向携带能量并由检测器捕获，并在随机扩散反射方向中捕获，这构成了巨大的挑战。这一挑战阻碍了NLOS成像的精确前进和逆物理模型的获取，这对于实现高质量重建至关重要。在这项研究中，我们提出了一个使用随机角度跟踪的NLOS成像系统的点扩散函数（PSF）模型。此外，我们引入了一种重构方法，称为物理受限的反向网络（PCIN），该方法通过利用PSF约束和卷积神经网络的优化来建立准确的PSF模型和逆物理模型。PCIN方法在正向PSF模型的约束下随机初始化参数，从而消除了传统深入学习方法需要的广泛训练数据集的需求。通过交替的迭代和梯度下降算法，我们迭代优化了PSF模型和神经网络参数中的分散反射角。结果表明，PCIN不需要大量实际的地面数据组来实现有效的数据利用。此外，实验发现证实了所提出的方法可以高精度有效地恢复隐藏的对象特征。
下一代 FWA 技术入门
形成波束和零点................................................................................................................................9 MIMO 和空间复用.................................................................................................................11 多输入多输出 (MIMO)................................................................................................11 分布式大规模 MIMO (DMM).................................................................................................12 多用户分布式大规模 MIMO (MU-DMM).......................................................................13 NLoS 性能....................................................................................................................................14 干扰消除....................................................................................................................................15 自干扰....................................................................................................................................16 突发干扰....................................................................................................................................17 信道中的动态运动....................................................................................................................18 对称性能....................................................................................................................................18
覆盖范围的概率和能源效率...
摘要 - 可恢复的智能表面（RIS）是下一代网络的有前途技术。在本文中，我们利用从随机几何形状的工具来研究RIS辅助毫米波（MMWave）蜂窝网络的性能。特别是，将基站（BSS）的位置（BS）和障碍物的中点建模为两个独立的泊松点过程（PPP），其中封锁是由线布尔模型建模的，而块的一部分则覆盖了RISS。将MMWave通信的区分特征，即，视线线（LOS）和非线视线（NLOS）（NLOS）的方向波束形成和不同的路径损失定律被纳入分析中。我们得出了覆盖率概率和面积光谱效率的表达。在特殊情况下，覆盖范围的概率也有足够的小。数值结果表明，通过RISS的大规模部署可以实现更好的覆盖效果和更高的能量效率。此外，还研究了BS和RIS密度之间的权衡，结果表明，RIS是传统网络的出色补充，可以通过有限的功耗来提高覆盖范围的概率。索引项 - 可恢复的智能表面，随机几何，毫米波。
无线信号穿墙区域路径损耗混合模型
摘要 墙体遮挡是导致基于接收信号强度指标（RSSI）的室内定位产生非视距（NLoS）误差的主要因素，对信号穿墙路径损耗进行建模和修正将提高RSSI定位的精度。基于电磁波传播理论，分析了无线信号穿墙传播的反射和传输过程，根据功率损耗和RSSI定义推导了信号穿墙路径损耗，提出了信号穿墙路径损耗的理论模型。鉴于理论模型的电磁特征参数通常无法准确获取，在对数距离路径损耗模型的基础上，提出了信号穿墙引起NLoS误差的统计模型来求解该参数。结合统计模型和理论模型，提出了一种信号穿墙路径损耗的混合模型。基于混凝土墙体电磁特征参数经验值，分析各电磁特征参数对路径损耗的影响，建立了信号穿墙区域路径损耗的理论模型。通过RSSI观测实验分别建立了信号穿墙区域路径损耗的统计模型和混合模型，混合模型可以解决墙体材质未知时的路径损耗问题。
开发用于检测被困的递归机器学习模型
在全球范围内和不同频率下，发生了许多天然灾难，包括地震，火灾事故，野火，洪水，海啸和火山活动。这些事件导致建筑物和其他人造基础设施崩溃。在紧急情况下寻找和定位受害者是最艰巨的任务之一，尤其是当受害者被埋葬在碎片下时。必须在现代发展救灾技术。即使已经以生命体征，图像和信号处理以及基于机器学习的救灾技术进行了进步，但必须做更多的工作，尤其是在像非洲这样的地区经常发生建筑物倒塌的地区。这项工作使用非视线（NLOS）人类检测信号数据集来改善建筑物崩溃后的分类和本地化。循环。这项工作使用非视线（NLOS）人类检测信号数据集来改善建筑物崩溃后的分类和本地化。已经检查了23,552个实例后，使用递归特征消除（RFE）实现了尺寸的降低。减少的数据集的支持向量机（SVM）分类产生的精度为82.76％。使用尖端方法的比较评估显示了所提出的方法的成功程度；这些方法改善了搜索和救援（SAR）操作的理论基础和实际应用。关于结构崩溃后受害者预测，认同和本地化的实际方法，这些发现对搜救（SAR）团队具有重要意义。