論文の概要: Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization
- arxiv url: http://arxiv.org/abs/2409.15114v2
- Date: Tue, 18 Feb 2025 10:24:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-19 14:02:25.775602
- 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
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からなる広範囲なデータセットを提案する。
本研究の目的は,機械学習モデル(ML)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。
- 参考スコア(独自算出の注目度): 42.14439854721613
- License:
- Abstract: Jamming devices disrupt signals from the global navigation satellite system (GNSS) and pose a significant threat, as they compromise the robustness of accurate positioning. The detection of anomalies within frequency snapshots is crucial to counteract these interferences effectively. A critical preliminary countermeasure involves the reliable classification of interferences and the characterization and localization of jamming devices. This paper introduces an extensive dataset comprising snapshots obtained from a low-frequency antenna that capture various generated interferences within a large-scale environment, including controlled multipath effects. Our objective is to assess the resilience of machine learning (ML) models against environmental changes, such as multipath effects, variations in interference attributes, such as interference class, bandwidth, and signal power, the accuracy jamming device localization, and the constraints imposed by snapshot input lengths. Furthermore, we evaluate the performance of a diverse set of 129 distinct vision encoder models across all tasks. By analyzing the aleatoric and epistemic uncertainties, we demonstrate the adaptability of our model in generalizing across diverse facets, thus establishing its suitability for real-world applications. Dataset: 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として重大な脅威を引き起こす。
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。
重大な予備的対策として、干渉の信頼性の高い分類と、妨害装置の特性と局所化がある。
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発生する様々な干渉を捕捉する低周波アンテナから得られるスナップショットを含む広範囲なデータセットを提案する。
本研究の目的は,マルチパス効果,干渉クラス,帯域幅,信号パワーなどの干渉特性の変化,ジャミングデバイスローカライゼーションの精度,スナップショット入力長による制約などの環境変化に対する機械学習(ML)モデルのレジリエンスを評価することである。
さらに,全タスクにまたがる129種類の視覚エンコーダモデルの性能評価を行った。
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実性の解析により,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。
データセット:https://gitlab.cc-asp.fraunhofer.de/darcy_gnss/ controlled_low_ frequency
関連論文リスト
- Multimodal-to-Text Prompt Engineering in Large Language Models Using Feature Embeddings for GNSS Interference Characterization [2.469551405169408]
大規模言語モデル(LLMs)は、NLP、情報検索、レコメンデーションシステムなど、さまざまな領域にまたがる高度なAIシステムである。
干渉監視は 道路上の車両の 位置決めの信頼性を確保するために 不可欠だ
我々のパイプラインは干渉分類タスクにおいて最先端の機械学習モデルより優れています。
論文 参考訳(メタデータ) (2025-01-09T09:01:04Z) - Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。
このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。
結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
論文 参考訳(メタデータ) (2024-12-23T20:05:53Z) - A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳(メタデータ) (2024-12-11T22:12:21Z) - 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) - 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) - DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳(メタデータ) (2023-10-03T10:10:42Z) - BSSAD: Towards A Novel Bayesian State-Space Approach for Anomaly
Detection in Multivariate Time Series [0.0]
ベイジアン状態空間異常検出(BSSAD)と呼ばれる新しい,革新的な異常検出手法を提案する。
提案手法の設計は,ベイズ状態空間アルゴリズムの次の状態予測における強みと,繰り返しニューラルネットワークとオートエンコーダの有効性を組み合わせたものである。
特に,粒子フィルタとアンサンブルカルマンフィルタのベイズ状態空間モデルの利用に着目する。
論文 参考訳(メタデータ) (2023-01-30T16:21:18Z) - Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。
4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
論文 参考訳(メタデータ) (2023-01-18T04:54:58Z)
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。