論文の概要: Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview
- arxiv url: http://arxiv.org/abs/2104.06309v1
- Date: Fri, 9 Apr 2021 01:38:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 13:21:35.046918
- Title: Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview
- Title（参考訳）: テラヘルツセンシングのための信号処理と機械学習技術:概要
- Authors: Sara Helal, Hadi Sarieddeen, Hayssam Dahrouj, Tareq Y. Al-Naffouri,
Mohamed Slim Alouini
- Abstract要約: テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
- 参考スコア（独自算出の注目度）: 89.09270073549182
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Following the recent progress in Terahertz (THz) signal generation and
radiation methods, joint THz communications and sensing applications are
shaping the future of wireless systems. Towards this end, THz spectroscopy is
expected to be carried over user equipment devices to identify material and
gaseous components of interest. THz-specific signal processing techniques
should complement this re-surged interest in THz sensing for efficient
utilization of the THz band. In this paper, we present an overview of these
techniques, with an emphasis on signal pre-processing (standard normal variate
normalization, min-max normalization, and Savitzky-Golay filtering), feature
extraction (principal component analysis, partial least squares, t-distributed
stochastic neighbor embedding, and nonnegative matrix factorization), and
classification techniques (support vector machines, k-nearest neighbor,
discriminant analysis, and naive Bayes). We also address the effectiveness of
deep learning techniques by exploring their promising sensing capabilities at
the THz band. Lastly, we investigate the performance and complexity trade-offs
of the studied methods in the context of joint communications and sensing; we
motivate the corresponding use-cases, and we present few future research
directions in the field.
- Abstract（参考訳）: テラヘルツ(thz)信号の発生と放射法の最近の進歩に続いて、thz通信とセンシングはワイヤレスシステムの未来を形作っている。
この目的に向けて、thzスペクトロスコピーは、材料やガス成分を識別するために、ユーザ機器デバイス上で実行されることが期待されている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理(正規変量正規化,min-max正規化,Savitzky-Golayフィルタリング),特徴抽出(主成分分析,部分最小二乗,t分散確率的近傍埋め込み,非負行列分解),および分類技術(支持ベクトルマシン,k-nearest近傍,差別的分析,ナイーブベイズ)を中心に概説する。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
最後に,共同コミュニケーションとセンシングの文脈における研究手法の性能と複雑さのトレードオフについて検討し,それに対応するユースケースを動機付け,今後の研究の方向性を示す。
関連論文リスト
- On the Intersection of Signal Processing and Machine Learning: A Use Case-Driven Analysis Approach [28.59539400247894]
この研究は、アプリケーションに依存しないレビューを提供し、特徴抽出技術のための新しい分類分類を導入している。
理論的概念と実践的応用を結びつけることを目的としており、2つの特定のユースケースを通じてこれを実証している。
理論的貢献に加えて、この研究は、関連するPythonおよびPythonベースの信号処理コードの公開リポジトリを提供することで、共同研究文化を促進する。
論文 参考訳（メタデータ） (2024-03-25T20:47:10Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Emerging Approaches for THz Array Imaging: A Tutorial Review and
Software Tool [2.5382095320488673]
THz周波数は、サブミリ波解像度での合成開口レーダ(SAR)イメージングに適している。
本稿では,近距離領域におけるTHz SARのシステムとアルゴリズムについて概説する。
セキュリティアプリケーションのためのオブジェクト検出とSAR画像の超解像に着目した。
論文 参考訳（メタデータ） (2023-09-16T02:54:02Z) - Disentangled Representation Learning for RF Fingerprint Extraction under
Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。
提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。
実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-08-04T15:46:48Z) - Design of an Novel Spectrum Sensing Scheme Based on Long Short-Term
Memory and Experimental Validation [0.7349727826230862]
深層学習ネットワーク(DLN)の重要な要素である長期記憶(LSTM)に基づくスペクトルセンシング手法を提案する。
提案手法は, Adalm Pluto を用いた実証実験により検証した。
論文 参考訳（メタデータ） (2021-11-21T08:51:48Z) - Machine Learning Framework for Sensing and Modeling Interference in IoT
Frequency Bands [2.6839965970551276]
モノのインターネットをサポートする新しいアクセス技術によって、スペクトルの占有度をよりよく理解する必要性が高まっている。
共有帯域におけるIoTアプリケーションのための短時間スペクトル占有のトラフィック挙動をキャプチャし、モデル化し、既存の干渉を判定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-10T19:10:40Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳（メタデータ） (2021-04-19T14:43:07Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳（メタデータ） (2021-03-23T08:19:21Z) - Frequency-based Multi Task learning With Attention Mechanism for Fault
Detection In Power Systems [6.4332733596587115]
本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。
提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
論文 参考訳（メタデータ） (2020-09-15T02:01:47Z) - Multilinear Compressive Learning with Prior Knowledge [106.12874293597754]
マルチリニア圧縮学習(MCL)フレームワークは、マルチリニア圧縮センシングと機械学習をエンドツーエンドシステムに統合する。
MCLの背後にある主要なアイデアは、下流学習タスクの信号から重要な特徴を捉えることのできるテンソル部分空間の存在を仮定することである。
本稿では、上記の要件、すなわち、関心の信号が分離可能なテンソル部分空間をどうやって見つけるかという、2つの要件に対処する新しい解決策を提案する。
論文 参考訳（メタデータ） (2020-02-17T19:06:05Z)
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。