論文の概要: Autoencoder-based Radio Frequency Interference Mitigation For SMAP
Passive Radiometer
- arxiv url: http://arxiv.org/abs/2304.13158v1
- Date: Tue, 25 Apr 2023 21:37:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 16:25:16.716284
- Title: Autoencoder-based Radio Frequency Interference Mitigation For SMAP
Passive Radiometer
- Title(参考訳): オートエンコーダを用いたSMAPパッシブラジオメータの電波干渉低減
- Authors: Ali Owfi, Fatemeh Afghah
- Abstract要約: 1400-1427MHzで作動するラジオメータは、地上からの電波周波数干渉(RFI)を保護している。
本稿では,自己エンコーダをベースとしたRFI緩和手法を提案する。
- 参考スコア(独自算出の注目度): 6.5358895450258325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Passive space-borne radiometers operating in the 1400-1427 MHz protected
frequency band face radio frequency interference (RFI) from terrestrial
sources. With the growth of wireless devices and the appearance of new
technologies, the possibility of sharing this spectrum with other technologies
would introduce more RFI to these radiometers. This band could be an ideal
mid-band frequency for 5G and Beyond, as it offers high capacity and good
coverage. Current RFI detection and mitigation techniques at SMAP (Soil
Moisture Active Passive) depend on correctly detecting and discarding or
filtering the contaminated data leading to the loss of valuable information,
especially in severe RFI cases. In this paper, we propose an autoencoder-based
RFI mitigation method to remove the dominant RFI caused by potential coexistent
terrestrial users (i.e., 5G base station) from the received contaminated signal
at the passive receiver side, potentially preserving valuable information and
preventing the contaminated data from being discarded.
- Abstract(参考訳): 1400-1427mhz保護周波数帯域対電波干渉(rfi)で運用される受動空間型放射計。
無線デバイスの成長と新しい技術の出現により、このスペクトルを他の技術と共有することは、これらの放射計により多くのRFIをもたらす可能性がある。
このバンドは5g以降にとって理想的な中間帯域周波数であり、高い容量と良好なカバレッジを提供する。
SMAP (Soil Moisture Active Passive) における現在のRFI検出・緩和技術は、特に重度のRFIケースにおいて、貴重な情報が失われる原因となる汚染されたデータを正しく検出・破棄・フィルタリングすることに依存する。
本稿では, 受信受信側で受信した汚染信号から, 潜在的に共存する地上ユーザ(例えば5G基地局)によって引き起こされる支配的RFIを除去し, 貴重な情報を保存し, 汚染データの破棄を防止する, 自己エンコーダに基づくRFI緩和手法を提案する。
関連論文リスト
- Deep-Learned Compression for Radio-Frequency Signal Classification [0.49109372384514843]
次世代の細胞概念は、大量の高周波サンプルの処理に依存している。
RF信号の複雑な値のサンプルを圧縮する深層学習圧縮モデルHQARFを提案する。
RF信号の変調クラスを推定するために訓練されたAIモデルの性能に対するHQARFの効果を評価する。
論文 参考訳(メタデータ) (2024-03-05T17:42:39Z) - RFI-DRUnet: Restoring dynamic spectra corrupted by radio frequency
interference -- Application to pulsar observations [9.304820505959519]
電波干渉(RFI)は、電波天文学において永続的な関心事である。
本研究は、共同検出と修復のためのRFI緩和に取り組むことを提案する。
論文 参考訳(メタデータ) (2024-02-21T15:19:09Z) - Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。
本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
論文 参考訳(メタデータ) (2024-02-05T05:01:28Z) - 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) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - UAV-aided RF Mapping for Sensing and Connectivity in Wireless Networks [52.14281905671453]
無人航空機(UAV)を空飛ぶ無線アクセスネットワーク(RAN)ノードとして使用することは、従来の固定地上配備を補完する。
無線マッピングは、この課題に関連する課題の1つであり、ここでは無線マッピングと呼ばれている。
接続性, センサ性, ローカライゼーション性能の観点から, 無線マッピングによる利点を示す。
論文 参考訳(メタデータ) (2022-05-06T16:16:08Z) - Radio-Assisted Human Detection [61.738482870059805]
本稿では,無線情報を最先端検出手法に組み込んだ無線支援人体検知フレームワークを提案する。
我々は、人検出を支援するために、無線信号から無線の局部化と識別情報を抽出する。
シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)とミスレートが、無線情報を用いて改善できることが示されている。
論文 参考訳(メタデータ) (2021-12-16T09:53:41Z) - 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) - Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。
得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。
WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
論文 参考訳(メタデータ) (2021-07-11T19:02:07Z) - Deep Neural Network Feature Designs for RF Data-Driven Wireless Device
Classification [9.05607520128194]
本稿では、RF通信信号の異なる構造と、送信機ハードウェア障害に起因するスペクトル放射を利用する新しい特徴設計手法を提案する。
提案するDNNの特徴は,拡張性,精度,シグネチャ・アンチ・クローニング,環境摂動に対する非感受性の観点から,分類の堅牢性を大幅に向上させる。
論文 参考訳(メタデータ) (2021-03-02T20:19:05Z) - Preprint: Using RF-DNA Fingerprints To Classify OFDM Transmitters Under
Rayleigh Fading Conditions [1.6058099298620423]
IoT(Internet of Things)は2020年までにおよそ500億のデバイスで構成される。
IoTデバイスの約70%は、暗号化の形式を使用していないと推定されている。
これまでの研究では、暗号化などのビットレベルのセキュリティメカニズムを増強する手段として、特定エミッタ識別(SEI)が用いられてきた。
論文 参考訳(メタデータ) (2020-05-06T13:53:25Z)
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。