論文の概要: Achieving Generalization in Orchestrating GNSS Interference Monitoring Stations Through Pseudo-Labeling

• arxiv url: http://arxiv.org/abs/2410.14686v1
• Date: Thu, 03 Oct 2024 11:07:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-27 06:14:45.419807
• Title: Achieving Generalization in Orchestrating GNSS Interference Monitoring Stations Through Pseudo-Labeling
• Title（参考訳）: 擬似ラベリングによるGNSS干渉監視局の総合化
• Authors: Lucas Heublein, Tobias Feigl, Alexander Rügamer, 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)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。
• 参考スコア（独自算出の注目度）: 44.24482830284491
• License:
• Abstract: The accuracy of global navigation satellite system (GNSS) receivers is significantly compromised by interference from jamming devices. Consequently, the detection of these jammers are crucial to mitigating such interference signals. However, robust classification of interference using machine learning (ML) models is challenging due to the lack of labeled data in real-world environments. In this paper, we propose an ML approach that achieves high generalization in classifying interference through orchestrated monitoring stations deployed along highways. We present a semi-supervised approach coupled with an uncertainty-based voting mechanism by combining Monte Carlo and Deep Ensembles that effectively minimizes the requirement for labeled training samples to less than 5% of the dataset while improving adaptability across varying environments. Our method demonstrates strong performance when adapted from indoor environments to real-world scenarios.
• Abstract（参考訳）: グローバルナビゲーション衛星システム(GNSS)受信機の精度は、妨害装置からの干渉によって著しく損なわれている。 したがって、このような干渉信号を緩和するためには、これらのジャマーの検出が不可欠である。 しかし、機械学習(ML)モデルを用いた干渉の堅牢な分類は、実環境におけるラベル付きデータの欠如により困難である。 本稿では,高速道路沿いの監視局を編成し,干渉の分類を高度に一般化するML手法を提案する。 本稿では,モンテカルロとディープ・アンサンブルを組み合わせた不確実性に基づく投票機構と組み合わせた半教師付きアプローチを提案する。 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。

関連論文リスト

• Vaccinating Federated Learning for Robust Modulation Classification in Distributed Wireless Networks [0.0]
  雑音レベルの異なる信号間の一般化性向上を目的とした新しいAMCモデルであるFedVaccineを提案する。 FedVaccineは、分割学習戦略を用いることで、既存のFLベースのAMCモデルの線形集約の限界を克服する。 これらの結果は、実用的な無線ネットワーク環境におけるAMCシステムの信頼性と性能を高めるためのFedVaccineの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-10-16T17:48:47Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization \& Localization [42.14439854721613]
  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。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• Band-Attention Modulated RetNet for Face Forgery Detection [44.0511745071837]
  トランスフォーマーネットワークは、大規模なデータセットにまたがるスケーラビリティのために、顔の偽造検出に広く利用されている。 広義の視覚的コンテキストを効率的に処理する軽量ネットワークであるBAR-Netを導入する。 本稿では、離散コサイン変換スペクトログラム全体を、学習可能な重み付き一連の周波数帯域として扱う適応周波数帯域変調機構を提案する。
  論文  参考訳（メタデータ） (2024-04-09T05:11:28Z)
• Learning-based NLOS Detection and Uncertainty Prediction of GNSS Observations with Transformer-Enhanced LSTM Network [2.798138034569478]
  本研究では,NLOSの検出と誤りの予測を擬似時間的モデリング問題を用いて行う深層学習に基づく手法を提案する。 香港とAachenのデータセットを使って、提案したネットワークをトレーニングし、評価する。 提案手法は,NLOS観測の分類・排除により,実世界の車両位置の軌跡のばらつきを回避できることを示す。
  論文  参考訳（メタデータ） (2023-09-01T14:17:02Z)
• Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
  本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。 我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。 スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:50:43Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Information Directed Sampling for Linear Partial Monitoring [112.05623123909895]
  線形報酬と観測構造を持つ部分的監視のための情報指向サンプリング(IDS)を導入する。 IDSは、ゲームの正確な可観測性条件に依存する適応的な最悪の後悔率を達成する。 結果がコンテキストおよびカーネル化設定にまで拡張され、アプリケーションの範囲が大幅に増加する。
  論文  参考訳（メタデータ） (2020-02-25T21:30:56Z)

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。