論文の概要: Evaluating ML Robustness in GNSS Interference Classification, Characterization \& Localization

• arxiv url: http://arxiv.org/abs/2409.15114v1
• Date: Mon, 23 Sep 2024 15:20:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 14:33:51.541094
• Title: Evaluating ML Robustness in GNSS Interference Classification, Characterization \& Localization
• Title（参考訳）: GNSS干渉分類におけるMLロバスト性の評価
• Authors: Lucas Heublein, Tobias Feigl, Thorsten Nowak, Alexander Rügamer, Christopher Mutschler, Felix Ott,
• Abstract要約: ジャミング装置は、グローバルナビゲーション衛星システム(GNSS)からの信号を妨害することで重大な脅威をもたらす 周波数スナップショット内の異常の検出は、これらの干渉を効果的に対処するために重要である。 本稿では,制御されたマルチパス効果を含む大規模環境下での干渉をキャプチャする広範囲なデータセットを提案する。
• 参考スコア（独自算出の注目度）: 42.14439854721613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Jamming devices present a significant threat by disrupting signals from the global navigation satellite system (GNSS), compromising the robustness of accurate positioning. The detection of anomalies within frequency snapshots is crucial to counteract these interferences effectively. A critical preliminary measure involves the reliable classification of interferences and characterization and localization of jamming devices. This paper introduces an extensive dataset compromising snapshots obtained from a low-frequency antenna, capturing diverse generated interferences within a large-scale environment including controlled multipath effects. Our objective is to assess the resilience of ML models against environmental changes, such as multipath effects, variations in interference attributes, such as the interference class, bandwidth, and signal-to-noise ratio, the accuracy jamming device localization, and the constraints imposed by snapshot input lengths. By analyzing the aleatoric and epistemic uncertainties, we demonstrate the adaptness of our model in generalizing across diverse facets, thus establishing its suitability for real-world applications. https://gitlab.cc-asp.fraunhofer.de/darcy_gnss/controlled_low_frequency
• Abstract（参考訳）: ジャミング装置は、グローバルナビゲーション衛星システム(GNSS)からの信号を妨害し、正確な位置決めの堅牢性を損なうことにより、重大な脅威となる。 周波数スナップショット内の異常の検出は、これらの干渉を効果的に対処するために重要である。 重要な予備的尺度は、妨害の信頼性の高い分類とジャミング装置の特性と局所化である。 本稿では、低周波アンテナから得られたスナップショットを広範に合成し、制御されたマルチパス効果を含む大規模環境における多様な干渉をキャプチャする。 本研究の目的は,マルチパス効果,干渉クラス,帯域幅,信号対雑音比などの干渉特性の変化,ジャミング装置のローカライゼーション,スナップショット入力長による制約など,MLモデルの環境変化に対するレジリエンスを評価することである。 本研究は,アレータリックおよびエピステマティック不確かさを解析することにより,多種多様なファセットにまたがるモデルの適応性を実証し,現実の応用に適合することを示す。 https://gitlab.cc-asp.fraunhofer.de/darcy_gnss/ controlled_low_ frequency

関連論文リスト

• Achieving Generalization in Orchestrating GNSS Interference Monitoring Stations Through Pseudo-Labeling [44.24482830284491]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)受信機の精度を損なう。 本稿では,ハイウェイに沿って配置された監視局を介し,干渉の分類を高度に一般化するML手法を提案する。 本手法は,屋内環境から現実シナリオへの適応において,高い性能を示す。
  論文  参考訳（メタデータ） (2024-10-03T11:07:17Z)
• Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
  擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。 我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。 SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-06-10T21:44:52Z)
• Denoising of Geodetic Time Series Using Spatiotemporal Graph Neural Networks: Application to Slow Slip Event Extraction [2.659901499016884]
  我々は、SSE関連変位をサブミリ精度で明らかにするために、ノイズの潜時特性を学習するグラフベースの減衰デノイザであるSSE SSEdenoisを設計する。 提案手法をカスカディア沈み込み帯に適用し,SSEは地殻変動とともに発生する。
  論文  参考訳（メタデータ） (2024-05-06T09:55:11Z)
• Few-Shot Learning with Uncertainty-based Quadruplet Selection for Interference Classification in GNSS Data [40.40418209489273]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害することで重大な脅威となる 本稿では,新しい干渉クラスに適応するための数ショット学習(FSL)手法を提案する。 本手法では,様々な正と負の干渉クラスを用いて表現を学習するために,モデルの四重項選択を用いる。
  論文  参考訳（メタデータ） (2024-02-09T13:59:14Z)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• Amplitude-Varying Perturbation for Balancing Privacy and Utility in Federated Learning [86.08285033925597]
  本稿では,フェデレート学習のプライバシを保護するため,時変雑音振幅を持つ新しいDP摂動機構を提案する。 我々は、FLの過度な摂動ノイズによる早期収束を防止するために、シリーズのオンラインリファインメントを導出した。 新しいDP機構のプライバシ保存FLの収束と精度への寄与は、持続的な雑音振幅を持つ最先端のガウスノイズ機構と比較して相関する。
  論文  参考訳（メタデータ） (2023-03-07T22:52:40Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Deep Interference Mitigation and Denoising of Real-World FMCW Radar Signals [16.748215232763517]
  実世界レーダ計測における干渉緩和のための畳み込みニューラルネットワーク(CNN)に基づくアプローチの評価を行った。 実測値と模擬干渉を組み合わせることで,モデルの学習に適した入力出力データを生成する。
  論文  参考訳（メタデータ） (2020-12-04T11:22:13Z)
• Uncertainty Aware Deep Neural Network for Multistatic Localization with Application to Ultrasonic Structural Health Monitoring [0.0]
  本稿では、ロバストなローカライゼーションモデルを学ぶために、不確実性を考慮したディープ・ニューラル・ディストリビューション・ネットワーク・フレームワークを使用する。 環境不確実性の増加に伴い,予測不確実性はスケールし,局所化精度を評価する統計的に有意な指標となることを示す。
  論文  参考訳（メタデータ） (2020-07-14T04:53:06Z)

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。