Thông tin tài liệu
Nhan đề : | Non-Line-of-Sight Identification Based on Unsupervised Machine Learning in Ultra Wideband Systems |
Tác giả: | Fan, J. |
Người tham gia: | Awan, A. S. |
Năm xuất bản : | 2019 |
Nhà xuất bản : | IEEE Xplore |
Trích dẫn : | IEEE Access, (2019), Volume 7, pp 32464-32471 |
Tóm tắt : | Identi cation of line-of-sight (LOS) and non-line-of-sight (NLOS) propagation conditions is very useful in ultra wideband localization systems. In the identi cation, supervised machine learning is often used, but it requires exorbitant efforts to maintain and label the LOS and NLOS database. In this paper, we apply unsupervised machine learning approach called ``expectation maximization for Gaussian mixture models'' to classify LOS and NLOS components. The key advantage of applying unsupervised machine learning is that it does not require any rigorous and explicit labeling of the database at a certain location. The simulation results demonstrate that by using the proposed algorithm, LOS and NLOS signals can be classi ed with 86.50% correct rate, 12.70% false negative, and 0.8% false positive rate. We also compare the proposed algorithm with the existing cutting-edge supervised machine learning algorithms in terms of computational complexity and signals' classi cation performance. |
URI: | http://tailieuso.tlu.edu.vn/handle/DHTL/9790 |
Nguồn trực tuyến: | http://doi.org/10.1109/ACCESS.2019.2903236 |
Trong bộ sưu tập: | Tài liệu hỗ trợ nghiên cứu khoa học |
XEM MÔ TẢ
11
XEM & TẢI
2
Danh sách tệp tin đính kèm:
Bạn đọc là cán bộ, giáo viên, sinh viên của Trường Đại học Thuỷ Lợi cần đăng nhập để Xem trực tuyến/Tải về
Khi sử dụng tài liệu trong thư viện số bạn đọc phải tuân thủ đầy đủ luật bản quyền.