論文の概要: Improving Galileo OSNMA Time To First Authenticated Fix

• arxiv url: http://arxiv.org/abs/2403.14739v2
• Date: Mon, 21 Oct 2024 15:01:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 17:01:54.803503
• Title: Improving Galileo OSNMA Time To First Authenticated Fix
• Title（参考訳）: Galileo OSNMAが最初の認証修正に時間を要した
• Authors: Aleix Galan, Ignacio Fernandez-Hernandez, Wim De Wilde, Sofie Pollin, Gonzalo Seco-Granados,
• Abstract要約: 我々は、一般的なOSNMA対応受信機と、OSNMAガイドラインで要求されるよりも時間同期の厳しい受信機に利用できるTFAF最適化について検討する。 テストベクトルの平均 TTFAF は 60.9 秒, 68.8 秒, オープンスキーシナリオは それぞれ 68.8 秒 である。 これらの最適化は、GitHubのオープンソースOSNMAlibライブラリの一部として利用可能になった。
• 参考スコア（独自算出の注目度）: 12.256517269150995
• License:
• Abstract: Galileo is the first global navigation satellite system to authenticate their civilian signals through the Open Service Galileo Message Authentication (OSNMA) protocol. However, OSNMA delays the time to obtain a first position and time fix, the Time To First Authentication Fix (TTFAF). Reducing the TTFAF as much as possible is crucial to integrate the technology seamlessly into the current products. In the cases where the receiver already has cryptographic data available, the so-called hot start mode and focus of this article, the currently available implementations achieve an average TTFAF of around 100 seconds in ideal environments. In this work, we explore the TTFAF optimizations available to general OSNMA capable receivers and to receivers with a tighter time synchronization than the required by the OSNMA guidelines. We dissect the TTFAF process, describe the optimizations, and benchmark them in three distinct scenarios with recorded real data (open-sky, soft urban, and hard urban) and the official OSNMA test vectors. The first block of optimizations centers on extracting as much information as possible from broken sub-frames by processing them at page level and combining redundant data from multiple satellites. The second block of optimizations aims to reconstruct missed navigation data by the intelligent use of fields in the authentication tags belonging to the same sub-frame as the authentication key. Combining both optimization ideas improves the TTFAF substantially for all considered scenarios. We obtain an average TTFAF of 60.9 and 68.8 seconds for the test vectors and the open-sky scenario, respectively, with a lowest TTFAF of 44.0 seconds in both. Likewise, the urban scenarios see a drastic reduction of the average TTFAF between the non-optimized and optimized cases. These optimizations have been made available as part of the open-source OSNMAlib library on GitHub.
• Abstract（参考訳）: Galileoは、Open Service Galileo Message Authentication (OSNMA)プロトコルを通じて民間の信号を認証する世界初のグローバルナビゲーション衛星システムである。 しかし、OSNMAは、最初の位置とタイムフィクスを得るための時間を遅らせ、Time To First Authentication Fix (TTFAF) と呼ばれる。 TTFAFを可能な限り削減することは、現在の製品にシームレスに統合する上で非常に重要です。 受信機が暗号データを既に持っている場合、いわゆるホットスタートモードとこの記事の焦点は、現在利用可能な実装では、理想環境において平均TTFAFを100秒程度達成している。 本研究は,一般OSNMA対応受信機と,OSNMAガイドラインで要求されるよりも時間同期の厳しい受信機に利用できるTTFAF最適化について検討する。 我々は、TTFAFプロセスを特定し、最適化を説明し、記録された実データ(オープンスキー、ソフトアーバン、ハードアーバン)と公式のOSNMAテストベクターを用いて、それらを3つの異なるシナリオでベンチマークする。 最適化の最初のブロックは、ページレベルで処理し、複数の衛星からの冗長なデータを組み合わせることで、壊れたサブフレームから可能な限り多くの情報を抽出することに焦点を当てている。 最適化の第2ブロックは、認証キーと同じサブフレームに属する認証タグのフィールドをインテリジェントに使用することで、失われたナビゲーションデータを再構築することを目的としている。 両方の最適化のアイデアを組み合わせることで、TTFAFは検討されたすべてのシナリオで大幅に改善される。 テストベクトルの平均 TTFAF は 60.9 秒,オープンスキーシナリオは 68.8 秒,最低 TTFAF は 44.0 秒である。 同様に、都市シナリオでは、最適化されていないケースと最適化されていないケースの間に平均的なTFAFが劇的に減少する。 これらの最適化は、GitHubのオープンソースOSNMAlibライブラリの一部として利用可能になった。

関連論文リスト

• Research on Mobile Network High-precision Absolute Time Synchronization based on TAP [12.588047283498712]
  本稿では,TAPの改良とエンド・ツー・エンドの実現について検討する。 本稿では,ソフトウェア定義無線基地局とCOTSベースバンドモジュールをベースとしたTAPエンドツーエンド5Gプロトタイプシステムを提案する。
  論文  参考訳（メタデータ） (2024-02-07T14:32:35Z)
• AsyncFLEO: Asynchronous Federated Learning for LEO Satellite Constellations with High-Altitude Platforms [3.096615629099617]
  FL(Federated Learning)は、データを(衛星を離れることなく)その場に保管することを可能にする FLは衛星通信の文脈で単一のFLモデルを訓練するのに数日かかる(Satcom)。 本稿では,Satcom の FL 効率を改善するために AsyncFLEO という LEO コンステレーション用の非同期FL フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T07:52:30Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• SWIFT: Rapid Decentralized Federated Learning via Wait-Free Model Communication [11.763368822546468]
  SWIFTはその待ち時間構造のため,実行時間に対してより高速に収束することを示す。 SWIFTは、画像分類、ID、非IIDデータ設定の損失レベルを生成し、既存のSOTAアルゴリズムよりも50%高速である。
  論文  参考訳（メタデータ） (2022-10-25T14:01:21Z)
• SFNet: Faster and Accurate Semantic Segmentation via Semantic Flow [88.97790684009979]
  性能を改善するための一般的な実践は、強力な意味表現を持つ高解像度の特徴写像を得ることである。 隣接レベルの特徴マップ間のテキストセマンティックフローを学習するためのフローアライメントモジュール(FAM)を提案する。 また,高分解能特徴写像と低分解能特徴写像を直接整列するGated Dual Flow Alignment Moduleを提案する。
  論文  参考訳（メタデータ） (2022-07-10T08:25:47Z)
• Extending One-Stage Detection with Open-World Proposals [8.492340530784697]
  完全畳み込み型一段検出ネットワークFCOSは,新しい授業で最大6%のOWP性能を向上できることを示す。 新たな授業では2段階の手法が6%悪くなったが,共同でOWPと分類を最適化した場合,FCOSは2%しか低下しないことがわかった。
  論文  参考訳（メタデータ） (2022-01-07T02:29:09Z)
• On Second-order Optimization Methods for Federated Learning [59.787198516188425]
  フェデレート学習環境における局所的なステップを持つ2階分散手法の性能評価を行った。 本稿では,更新のための2階ローカル情報とグローバルライン検索を用いて,結果の局所的特異性に対処する新たな変種を提案する。
  論文  参考訳（メタデータ） (2021-09-06T12:04:08Z)
• A Learning-Based Fast Uplink Grant for Massive IoT via Support Vector Machines and Long Short-Term Memory [8.864453148536057]
  3IoTは、レイテンシを低減し、スマートインターネット・オブ・シング(mMTC)アプリケーションの信頼性を高めるために、高速アップリンク・アロケーション(FUG)を使用する必要性を導入した。 サポートマシンスケジューラ(SVM)に基づく新しいFUGアロケーションを提案する。 第2に、LSTMアーキテクチャは、予測エラーを克服するためにトラフィック予測と補正技術に使用される。
  論文  参考訳（メタデータ） (2021-08-02T11:33:02Z)
• Real-Time Visual Object Tracking via Few-Shot Learning [107.39695680340877]
  ビジュアルオブジェクト追跡(VOT)はFew-Shot Learning(FSL)の拡張タスクと見なすことができる。 適応速度を高速化しながら,多種多様のFSLアルゴリズムを適用可能な2段階のフレームワークを提案する。 VOT2018,OTB2015, NFS, UAV123, TrackingNet, GOT-10kの主要ベンチマークに関する実験を実施し,望ましいパフォーマンス向上とリアルタイム速度を示した。
  論文  参考訳（メタデータ） (2021-03-18T10:02:03Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• FMA-ETA: Estimating Travel Time Entirely Based on FFN With Attention [88.33372574562824]
  フィードフォワードネットワーク(FFN, FFN, 複数要素自己認識(FMA-ETA)に基づく新しいフレームワークを提案する。 異なるカテゴリの特徴に対処し,情報を意図的に集約する,新しい多要素自己認識機構を提案する。 実験の結果、FMA-ETAは予測精度において最先端の手法と競合し、推論速度は大幅に向上した。
  論文  参考訳（メタデータ） (2020-06-07T08:10:47Z)

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。