最小記述長特徴選択による機械学習ベースの無線測位の複雑性削減

本研究では、最小記述長の特徴を利用することで、深層学習ベースの無線測位の複雑性を大幅に削減する新しい測位ニューラルネットワーク(P-NN)を設計する。P-NNは、最大電力測定値とその時間的位置を特徴として使用することで、必要な情報を伝達する。また、疎イメージと測定行列の2つの異なる入力タイプを賢明に処理することで、ネットワークの学習能力を向上させる。さらに、情報理論的尺度に基づいて特徴空間サイズを最適化する手法を開発し、性能と複雑性のトレードオフを改善する。