Robust and Efficient Bayesian Approach for Snapshot Radio Slam
Rattachement africain : fi, se. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Radio-based simultaneous localization and mapping (SLAM) has the potential to provide precise localization and environmental sensing capabilities using millimeter wave (mmWave) signals. In this paper, we propose methods that address the robustness and computational complexity issues of existing bistatic snapshot radio SLAM algorithms. We introduce multi-hypothesis Bayesian approaches to enhance the robustness and accuracy of solving the SLAM problem. In addition, we introduce effective methods to reduce computational complexity using prior information. The developed methods are evaluated using experimental mmWave data using 5G waveforms and benchmarked with respect to state-of-the-art methods. The results imply that the proposed methods improve the accuracy, robustness, and efficiency of radio SLAM.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Robust and Efficient Bayesian Approach for Snapshot Radio Slam
- Date Crossref
- 10/06/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Tampere University pays non établi dans la noticeUniversité ou école supérieure
-
Chalmers University of Technology pays non établi dans la noticeUniversité ou école supérieure
Tampere University et Chalmers University of Technology.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.