論文の概要: Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional Interference Cancellation Network

• arxiv url: http://arxiv.org/abs/2203.09717v1
• Date: Fri, 18 Mar 2022 03:30:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 16:12:07.199189
• Title: Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional Interference Cancellation Network
• Title（参考訳）: 畳み込み干渉キャンセルネットワークを用いたai駆動ユニバーサルアンチジャミングソリューションに向けて
• Authors: Hai N. Nguyen, Guevara Noubir
• Abstract要約: ワイヤレスリンクは、重要なサービスを提供するためにますます使われていますが、意図的な干渉(ジャミング)は、そのようなサービスにとって深刻な脅威です。 機械学習の進歩とニューラルアクセラレータとソフトウェア定義無線の約束に依存するアプローチを提案する。 本研究では,2アンテナの試作システムを開発し,様々な環境設定や変調方式におけるジャミングキャンセル手法の評価を行う。
• 参考スコア（独自算出の注目度）: 4.450750414447688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wireless links are increasingly used to deliver critical services, while intentional interference (jamming) remains a very serious threat to such services. In this paper, we are concerned with the design and evaluation of a universal anti-jamming building block, that is agnostic to the specifics of the communication link and can therefore be combined with existing technologies. We believe that such a block should not require explicit probes, sounding, training sequences, channel estimation, or even the cooperation of the transmitter. To meet these requirements, we propose an approach that relies on advances in Machine Learning, and the promises of neural accelerators and software defined radios. We identify and address multiple challenges, resulting in a convolutional neural network architecture and models for a multi-antenna system to infer the existence of interference, the number of interfering emissions and their respective phases. This information is continuously fed into an algorithm that cancels the interfering signal. We develop a two-antenna prototype system and evaluate our jamming cancellation approach in various environment settings and modulation schemes using Software Defined Radio platforms. We demonstrate that the receiving node equipped with our approach can detect a jammer with over 99% of accuracy and achieve a Bit Error Rate (BER) as low as $10^{-6}$ even when the jammer power is nearly two orders of magnitude (18 dB) higher than the legitimate signal, and without requiring modifications to the link modulation. In non-adversarial settings, our approach can have other advantages such as detecting and mitigating collisions.
• Abstract（参考訳）: 無線リンクは重要なサービスを提供するためにますます使われるようになっているが、意図的な干渉(jamming)はそうしたサービスにとって非常に深刻な脅威である。 本稿では,コミュニケーションリンクの特異性に依存しない汎用的アンチ・ジャミング・ビルディングブロックの設計と評価に関心を持ち,既存の技術と組み合わせることができる。 このようなブロックは、明示的なプローブ、観測、訓練シーケンス、チャネル推定、あるいは送信機の協調を必要としないと信じている。 これらの要件を満たすために,我々は機械学習の進歩と,ニューラルアクセラレーションとソフトウェア定義無線の約束に依拠するアプローチを提案する。 本稿では,複数の課題を特定し,対処し,畳み込みニューラルネットワークアーキテクチャとマルチアンテナシステムのモデルを構築し,干渉の存在や干渉放出数,各フェーズを推定する。 この情報は、干渉信号をキャンセルするアルゴリズムに連続的に入力される。 我々は,2アンテナプロトタイプシステムを開発し,ソフトウェア定義無線プラットフォームを用いた各種環境設定と変調方式におけるジャミングキャンセル手法の評価を行った。 提案手法を応用した受信ノードは,99%以上の精度でジャムを検出でき,ジャム電力が正規信号よりも2桁近い18dBである場合でも,リンク変調の修正を必要とせず,ビット誤り率(BER)を10−6$に抑えることができることを示した。 非敵対的な環境では、衝突の検出や緩和といった他の利点がある。

関連論文リスト

• RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
  本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。 まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。 第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。 第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
  論文  参考訳（メタデータ） (2024-09-13T13:53:41Z)
• Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
  チャネル情報を知らなくても干渉を効果的に軽減できることを示す。 干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
  論文  参考訳（メタデータ） (2023-05-11T18:06:46Z)
• Scalable Hierarchical Over-the-Air Federated Learning [3.8798345704175534]
  この研究は、干渉とデバイスデータの不均一性の両方を扱うために設計された新しい2段階学習手法を導入する。 本稿では,提案アルゴリズムの収束を導出するための包括的数学的アプローチを提案する。 干渉とデータの不均一性にもかかわらず、提案アルゴリズムは様々なパラメータに対して高い学習精度を実現する。
  論文  参考訳（メタデータ） (2022-11-29T12:46:37Z)
• Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals [98.95383921866096]
  本研究では,データ駆動型深層学習手法の可能性について検討した。 本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。 既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
  論文  参考訳（メタデータ） (2022-09-11T14:10:37Z)
• Digital Beamforming Robust to Time-Varying Carrier Frequency Offset [21.18926642388997]
  時変キャリア周波数オフセットから発生する信号の破損に頑健な新しいビームフォーミングアルゴリズムを提案する。 パイロットと干渉器信号に未知の時変周波数ドリフトが存在する場合に干渉をキャンセルできる重みベクトルを設計するための2つの原子ノルム最小化(anm)方式を提案する。
  論文  参考訳（メタデータ） (2021-03-08T18:08:56Z)
• Deep Learning for Moving Blockage Prediction using Real Millimeter Wave Measurements [18.365889583730507]
  ミリ波(mmWave)通信は5G以降の重要なコンポーネントである。 視覚リンクラインの突然の遮断は、ネットワークの信頼性に影響を与える突然の切断につながります。 我々は,ブロック前シグネチャと呼ぶものを観測することで,将来のブロックを予測する機械学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-18T05:34:37Z)
• Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
  無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。 これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
  論文  参考訳（メタデータ） (2020-07-03T16:31:15Z)
• Attentive WaveBlock: Complementarity-enhanced Mutual Networks for Unsupervised Domain Adaptation in Person Re-identification and Beyond [97.25179345878443]
  本稿では,新しい軽量モジュールであるAttentive WaveBlock (AWB)を提案する。 AWBは相互学習の二重ネットワークに統合され、相互学習の相補性を高め、擬似ラベルのノイズをさらに抑えることができる。 実験により, 提案手法は, 複数のUDA人物再識別タスクを大幅に改善し, 最先端の性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T15:40:40Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。