지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이정훈
- 발행연도
- 2020
- 저작권
- 韓國外國語大學校 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, we studied wireless positioning schemes for improving location accuracy in next generation wireless communication systems. Firstly, we considered mmWave multiple-input and single-output broadcast channels and proposed a cooperative wireless positioning scheme among adjacent users to increase the location accuracy. Secondly, we applied five machine learning algorithms to the wireless positioning scheme. In the system model under assumptions, fingerprinting wireless positioning scheme is implemented using various machine learning algorithms, and the positioning errors of algorithms are compared.
목차
제 1 장 서 론 1제 2 장 관 련 연 구 42.1. 무선 측위 기법 42.1.1. Received Signal Strength(RSS) 기법 42.1.2. Angle of Arrival(AoA) 기법 52.1.3. Time of Arrival(ToA) 기법 72.1.4. Time Difference of Arrival(TDoA) 기법 92.1.5. Fingerprinting 기법 112.1.6. Hybrid 기법 122.2. 기계학습 알고리즘 132.2.1. Linear Regression(LR) 132.2.2. K-Nearest Neighbors(KNN) 152.2.3. Support Vector Machine(SVM) 172.2.4. Gaussian Process(GP) 192.2.5. Multi-layer Perceptron(MLP) 22제 3 장 밀리미터파 MISO 브로드캐스트 채널에서 유저 협력 무선 측위 기법 253.1. 시스템 모델 263.1.1. 안테나 모델 273.1.2. 신호 모델 293.2. 제안하는 기법 303.3. 위치 오차 하한 343.4. 성능 분석 38제 4 장 기계학습을 활용한 Fingerprinting 무선 측위 기법 424.1. 시스템 모델 434.2. 기계학습 기반 무선 측위 기법 454.2.1. Linear Regression(LR) 464.2.2. K-Nearest Neighbors(KNN) 474.2.3. Support Vector Machine(SVM) 484.2.4. Gaussian Process(GP) 514.2.5. Multi-layer Perceptron(MLP) 544.3. 모의실험 및 분석 56제 5 장 결론 69참고문헌 71
최근 본 자료
댓글(0)
0