論文の概要: Machine Learning Framework for Sensing and Modeling Interference in IoT Frequency Bands

• arxiv url: http://arxiv.org/abs/2106.06010v1
• Date: Thu, 10 Jun 2021 19:10:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 08:00:15.238410
• Title: Machine Learning Framework for Sensing and Modeling Interference in IoT Frequency Bands
• Title（参考訳）: IoT周波数帯域における干渉検出とモデル化のための機械学習フレームワーク
• Authors: Bassel Al Homssi and Akram Al-Hourani and Zarko Krusevac and Wayne S T Rowe
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.6839965970551276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spectrum scarcity has surfaced as a prominent concern in wireless radio communications with the emergence of new technologies over the past few years. As a result, there is growing need for better understanding of the spectrum occupancy with newly emerging access technologies supporting the Internet of Things. In this paper, we present a framework to capture and model the traffic behavior of short-time spectrum occupancy for IoT applications in the shared bands to determine the existing interference. The proposed capturing method utilizes a software defined radio to monitor the short bursts of IoT transmissions by capturing the time series data which is converted to power spectral density to extract the observed occupancy. Furthermore, we propose the use of an unsupervised machine learning technique to enhance conventionally implemented energy detection methods. Our experimental results show that the temporal and frequency behavior of the spectrum can be well-captured using the combination of two models, namely, semi-Markov chains and a Poisson-distribution arrival rate. We conduct an extensive measurement campaign in different urban environments and incorporate the spatial effect on the IoT shared spectrum.
• Abstract（参考訳）: スペクトル不足は、過去数年間に新しい技術が出現し、無線通信における重要な関心事となっている。 その結果、モノのインターネットをサポートする新たなアクセス技術によって、スペクトル占有率をよりよく理解する必要性が高まっている。 本稿では、共有帯域におけるIoTアプリケーションにおける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。 提案手法は,電力スペクトル密度に変換された時系列データを捕捉し,観測された占有率を抽出することで,iot送信の短いバーストを監視するためのソフトウェア無線を利用する。 さらに,従来実装されていたエネルギー検出手法を強化するための教師なし機械学習手法を提案する。 実験の結果, スペクトルの時間的および周波数的挙動は, 半マルコフ鎖とポアソン分布の到達率という2つのモデルの組み合わせによりよく把握できることがわかった。 我々は,異なる都市環境において広範な計測キャンペーンを実施し,その空間効果をiot共有スペクトルに組み込む。

関連論文リスト

• Dynamic Spectrum Access for Ambient Backscatter Communication-assisted D2D Systems with Quantum Reinforcement Learning [68.63990729719369]
  無線スペクトルは乏しくなり、D2D通信のスペクトル効率は低い。 本稿では, 周囲RF信号の後方散乱を可能にするために, 環境後方散乱通信技術をD2Dデバイスに統合することを目的とする。 我々は、より少ないトレーニングパラメータでより高速な収束率を達成することができる新しい量子強化学習(RL)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-10-23T15:36:43Z)
• Multi-Agent Hybrid SAC for Joint SS-DSA in CRNs [17.162697767466085]
  機会論的スペクトルアクセスは、認知無線ネットワーク(CRN)におけるスペクトル利用の効率を高める可能性がある CRNでは、スペクトルセンシングとリソース割り当て(SSRA)の両方がシステムスループットの最大化に不可欠である。 我々は,ハイブリッドソフトアクター批評家MHSACのマルチエージェント実装を開発した。
  論文  参考訳（メタデータ） (2024-04-22T16:30:03Z)
• 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)
• Realtime Spectrum Monitoring via Reinforcement Learning -- A Comparison Between Q-Learning and Heuristic Methods [0.0]
  利用可能なレシーバリソースを制御するための2つのアプローチを比較した。 使用するQ-ラーニングアルゴリズムは、より少ない探索率を犠牲にして、アプローチよりもはるかに高い検出率を有する。
  論文  参考訳（メタデータ） (2023-07-11T19:40:02Z)
• Faster Region-Based CNN Spectrum Sensing and Signal Identification in Cluttered RF Environments [0.7734726150561088]
  高速領域ベース畳み込みニューラルネットワーク(FRCNN)を1次元(1次元)信号処理と電磁スペクトルセンシングに最適化する。 その結果,本手法はローカライズ性能が向上し,2次元同値よりも高速であることがわかった。
  論文  参考訳（メタデータ） (2023-02-20T09:35:13Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Frequency fluctuations of ferromagnetic resonances at milliKelvin temperatures [50.591267188664666]
  ノイズはデバイスの性能、特に量子コヒーレント回路に有害である。 最近の研究は、超伝導量子ビットへの単一のマグノンをベースとした量子技術にマグノンシステムを活用するためのルートを実証している。 時間的挙動を研究することは、基礎となるノイズ源を特定するのに役立つ。
  論文  参考訳（メタデータ） (2021-07-14T08:00:37Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  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。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)

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。