論文の概要: Radio Access Technology Characterisation Through Object Detection
- arxiv url: http://arxiv.org/abs/2007.13561v1
- Date: Mon, 27 Jul 2020 13:40:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 11:38:10.022925
- Title: Radio Access Technology Characterisation Through Object Detection
- Title（参考訳）: 物体検出による無線アクセス技術の特性評価
- Authors: Erika Fonseca, Joao F. Santos, Francisco Paisana, and Luiz A. DaSilva
- Abstract要約: 本稿では,スペクトル利用の特化と,それへの動的アクセスを容易にするためのacMLアプローチを提案する。
acpCNNの最近の進歩により、画像としてスペクトルを処理して波形分類を行うことができる。
モニタされたacpRATのクラスしか提供できない他のacML法とは対照的に、提案する解は共有スペクトルにおいて異なるacpRATを認識できる。
- 参考スコア（独自算出の注目度）: 3.4831210137032174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: \ac{RAT} classification and monitoring are essential for efficient
coexistence of different communication systems in shared spectrum. Shared
spectrum, including operation in license-exempt bands, is envisioned in the
\ac{5G} standards (e.g., 3GPP Rel. 16). In this paper, we propose a \ac{ML}
approach to characterise the spectrum utilisation and facilitate the dynamic
access to it. Recent advances in \acp{CNN} enable us to perform waveform
classification by processing spectrograms as images. In contrast to other
\ac{ML} methods that can only provide the class of the monitored \acp{RAT}, the
solution we propose can recognise not only different \acp{RAT} in shared
spectrum, but also identify critical parameters such as inter-frame duration,
frame duration, centre frequency, and signal bandwidth by using object
detection and a feature extraction module to extract features from
spectrograms. We have implemented and evaluated our solution using a dataset of
commercial transmissions, as well as in a \ac{SDR} testbed environment. The
scenario evaluated was the coexistence of WiFi and LTE transmissions in shared
spectrum. Our results show that our approach has an accuracy of 96\% in the
classification of \acp{RAT} from a dataset that captures transmissions of
regular user communications. It also shows that the extracted features can be
precise within a margin of 2\%, %of the size of the image, and is capable of
detect above 94\% of objects under a broad range of transmission power levels
and interference conditions.
- Abstract（参考訳）: \ac{RAT}分類とモニタリングは、共有スペクトルにおける異なる通信システムの効率的な共存に不可欠である。
ライセンス免除帯域での操作を含む共有スペクトルは、 \ac{5g} 標準(例えば 3gpp rel. 16)で想定されている。
本稿では,スペクトル利用の特化と,それへの動的アクセスを容易にするための‘ac{ML} アプローチを提案する。
近年の \acp{CNN} の進歩により,スペクトルを画像として処理することで波形分類が可能となった。
モニタされた \acp{RAT} のクラスのみを提供する他の \ac{ML} メソッドとは対照的に,提案手法では,共有スペクトルにおいて異なる \acp{RAT} を認識できるだけでなく,オブジェクト検出と特徴抽出モジュールを用いて,フレーム間時間,フレーム間時間,中心周波数,信号帯域といった重要なパラメータを識別できる。
我々は, 商用トランスミッションのデータセットと, \ac{SDR}テストベッド環境を用いて, ソリューションの実装と評価を行った。
評価されたシナリオは、共有スペクトルにおけるWiFiおよびLTE伝送の共存である。
提案手法は,通常のユーザ通信の送信をキャプチャするデータセットから \acp{RAT} の分類において,96 %の精度を有することを示す。
また、抽出された特徴は画像の大きさの2\%の範囲内で正確に検出でき、広範囲の送電電力レベルと干渉条件下で94\%以上の物体を検出可能であることも示している。
関連論文リスト
- MAC protocol classification in the ISM band using machine learning methods [0.0]
ISM無線帯域で最も広く使われているMACサブレイヤプロトコルであるWi-FiおよびBluetoothプロトコルを分類する。
機械学習アルゴリズムであるSupport Vector MachineとK-Nearest Neighborsアルゴリズムを使用して、プロトコルをWi-Fi、Wi-Fi Beacon、Bluetoothの3つのクラスに分類する。
論文 参考訳（メタデータ） (2024-08-22T01:26:28Z) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - Collaborative Wideband Spectrum Sensing and Scheduling for Networked
UAVs in UTM Systems [2.755290959487378]
ネットワーク型無人航空機(UAV)の協調広帯域スペクトルセンシングとスケジューリングのためのデータ駆動型フレームワークを提案する。
スペクトルスケジューリングフェーズにおいて、検出されたスペクトル穴を二次ユーザ(UAV)に動的に割り当てるために強化学習(RL)ソリューションを利用する。
この評価手法は、航空機用ML/AIベースのスペクトル管理ソリューションの開発に使用できる大規模なスペクトルデータセットを生成するフレキシブルなフレームワークを提供する。
論文 参考訳（メタデータ） (2023-08-09T16:08:44Z) - DCN-T: Dual Context Network with Transformer for Hyperspectral Image
Classification [109.09061514799413]
複雑な撮像条件による空間変動のため,HSI分類は困難である。
本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。
提案手法は,HSI分類における最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-04-19T18:32:52Z) - SPEAKER VGG CCT: Cross-corpus Speech Emotion Recognition with Speaker
Embedding and Vision Transformers [0.0]
本稿では,音声認識のための新しい学習方法を提案する。
これは、CCT(Compact Convolutional Transformers)とスピーカー埋め込みの組み合わせに基づいている。
クロスコーパス設定でいくつかのベンチマークで実験が行われた。
論文 参考訳（メタデータ） (2022-11-04T10:49:44Z) - Adjacent Context Coordination Network for Salient Object Detection in
Optical Remote Sensing Images [102.75699068451166]
本稿では,光RSI-SODのためのエンコーダ・デコーダアーキテクチャにおいて,隣接した特徴のコーディネートを探索するための新しいアジャセントコンテキストコーディネートネットワーク(ACCoNet)を提案する。
提案されたACCoNetは、9つの評価基準の下で22の最先端メソッドを上回り、1つのNVIDIA Titan X GPU上で81fpsで動作する。
論文 参考訳（メタデータ） (2022-03-25T14:14:55Z) - TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation
Localization [49.521622399483846]
汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。
提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
論文 参考訳（メタデータ） (2021-08-10T08:22:05Z) - SpectralFormer: Rethinking Hyperspectral Image Classification with
Transformers [91.09957836250209]
ハイパースペクトル(HS)画像は、ほぼ連続したスペクトル情報によって特徴づけられる。
CNNは、HS画像分類において強力な特徴抽出器であることが証明されている。
我々は、HS画像分類のためのulSpectralFormerと呼ばれる新しいバックボーンネットワークを提案する。
論文 参考訳（メタデータ） (2021-07-07T02:59:21Z) - Deep Learning Radio Frequency Signal Classification with Hybrid Images [0.0]
入力トレーニングデータに使用できるさまざまな前処理ステップに注目し、結果を固定されたディープラーニングアーキテクチャでテストする。
本稿では,時間領域情報と周波数領域情報の両方を利用するハイブリッド画像を提案し,コンピュータビジョン問題として分類する。
論文 参考訳（メタデータ） (2021-05-19T11:12:09Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。