Zastosowanie głebokiego uczenia do określania warunków LOS/NLOS w ultraszerokopasmowych radiowych sieciach WBAN

• Autorzy: Cwalina Krzysztof K. , Rajchowski Piotr , Błaszkiewicz Olga , Olejniczak Alicja , Sadowski Jarosław

Identyfikatory

DOI

10.15199/59.2019.6.77

Warianty tytułu

EN

Deep learning based LOS/NLOS conditions determining in ultra wideband wireless body area networks

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji (25-27.06.2019 ; Wrocław, Polska)
• Języki publikacji: PL

Abstrakty

PL

W niniejszym artykule przedstawiono zastosowanie głębokiego uczenia do określania warunków bezpośredniej widoczności LOS/NLOS w ultraszerokopasmowych radiowych sieciach WBAN. Zaproponowano głęboką, jednokierunkową sieć neuronową, której efektywność działania sprawdzono na podstawie danych pomiarowych w rzeczywistym wewnątrzbudynkowym środowisku propagacyjnym. Uzyskane wyniki jednoznacznie udowadniają zasadność stosowania zaproponowanej metody głębokiego uczenia w radiowych sieciach WBAN.

EN

In the article the use of deep learning to determine the LOS/NLOS conditions in ultra wideband WBANs is presented. A deep feedforward neural network, which effectiveness has been checked on the basis of measurement data in an indoor environment, has been proposed. The obtained results clearly prove the validity of the proposed deep learning method in WBANs.

Słowa kluczowe

PL

uczenie głębokie; uczenie maszynowe; UWB; WBAN

EN

deep learning; machine learning; UWB; WBAN

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2019
• Tom: nr 6
• Strony: 473--478, CD
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Cwalina Krzysztof K.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. Narutowicza 11/12, 80-233 Gdańsk

autor

Rajchowski Piotr

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. Narutowicza 11/12, 80-233 Gdańsk

autor

Błaszkiewicz Olga

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. Narutowicza 11/12, 80-233 Gdańsk

autor

Olejniczak Alicja

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. Narutowicza 11/12, 80-233 Gdańsk

autor

Sadowski Jarosław

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, ul. Narutowicza 11/12, 80-233 Gdańsk

Bibliografia

• [1] Ambroziak S.J., 2017, „Radiowe sieci BAN”, Przegląd Telekomunikacyjny i Wiadomości Telekomunikacyjne, nr 2-3.
• [2] Ambroziak S. J., L. M. Correia, R. J. Katulski, M. Mackowiak, C. Oliveira, J. Sadowski, K. Turbic, 2016, „An Off-Body Channel Model for Body Area Networks in Indoor Environments”, IEEE Transactions on Antennas and Propagation, wol. 64, nr 9.
• [3] Cwalina K. K., 2017, „Badanie i analiza efektywności alokacji strumieni danych w heterogenicznej sieci WBAN”, rozprawa doktorska, Politechnika Gdańska.
• [4] Cwalina K. K., S. J. Ambroziak, P. Rajchowski, L. M. Correia, 2017, „Radio channel measurements in 868 MHz off-body communications in a ferry environment”, XXXIInd General Assembly and Scientific Symposium of the International Union of Radio Science (URSI GASS).
• [5] DecaWave, 2016, DWM1000 User Manual, wer. 2.09.
• [6] Ferreira P., Ribeiro P., Antunes Ana., Dias F. M., 2007, „A high bit resolution FPGA implementation of a FNN with a new algorithm for the activation function”, Neurocomputing, Elsevier, wol. 71, wyd. 1-3.
• [7] Goodfellow I., Y. Bengio, A. Courville, 2016, „Deep Learning”, Massachusetts Institute of Technology, The MIT Press Cambridge.
• [8] Kaiming H., X. Zhang, S. Ren, J. Sun, 2015, „Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification”, IEEE International Conference on Computer Vision (ICCV).
• [9] Kingma D. P., J. Lei Ba, 2014, „Adam: A Method for Stochastic Optimization”, Proceedings of the 3rd International Conference on Learning Representations (ICLR).
• [10] Kołakowski M., J. Modelski, 2018, „Detection of Direct Path Component Absence in NLOS UWB Channel”, 22nd International Microwave and Radar Conference (MIKON).
• [11] Krishnan S., R. X. M. Santos, E. R. Yap, M. T. Zin, 2018, “Improving UWB Based Indoor Positioning in Industrial Environments through Machine Learning”, 15th International Conference on Control, Automation, Robotics and Vision (ICARCV).
• [12] Marano S., W. M. Gifford, H. Wymeersch, M. Z. Win, 2010, “NLOS Identification and Mitigation for Lozalization Based on UWB Experimental Data”, IEEE Journal on Selected Areas in Communications, wol. 28, nr 7.
• [13] Rajchowski P., 2017, „Badanie i analiza dokładności estymacji położenia obiektów ruchomych w hybrydowym systemie lokalizacyjnym”, rozprawa doktorska, Politechnika Gdańska.
• [14] Tabaa M., S. Saadaoui, M. Chehaitly, A. Dandache, 2015, „NLOS Identification for UWB Body Communications”, International Journal of Computer Applications, wol. 124, nr 6.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).