論文の概要: Data-and-Semantic Dual-Driven Spectrum Map Construction for 6G Spectrum Management

• arxiv url: http://arxiv.org/abs/2501.12853v1
• Date: Wed, 22 Jan 2025 13:03:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 13:29:00.062753
• Title: Data-and-Semantic Dual-Driven Spectrum Map Construction for 6G Spectrum Management
• Title（参考訳）: 6Gスペクトル管理のためのデータとセマンティックデュアル駆動スペクトルマップの構築
• Authors: Jiayu Liu, Fuhui Zhou, Xiaodong Liu, Rui Ding, Lu Yuan, Qihui Wu,
• Abstract要約: 提案手法は、欠落周波数のスペクトル利用状況を推定し、スペクトルマップ構築の完全性を向上させることができる。 提案手法により得られたスペクトルマップ構築の精度は,ベンチマーク方式よりも優れていた。
• 参考スコア（独自算出の注目度）: 65.78866395226449
• License:
• Abstract: Spectrum maps reflect the utilization and distribution of spectrum resources in the electromagnetic environment, serving as an effective approach to support spectrum management. However, the construction of spectrum maps in urban environments is challenging because of high-density connection and complex terrain. Moreover, the existing spectrum map construction methods are typically applied to a fixed frequency, which cannot cover the entire frequency band. To address the aforementioned challenges, a UNet-based data-and-semantic dual-driven method is proposed by introducing the semantic knowledge of binary city maps and binary sampling location maps to enhance the accuracy of spectrum map construction in complex urban environments with dense communications. Moreover, a joint frequency-space reasoning model is exploited to capture the correlation of spectrum data in terms of space and frequency, enabling the realization of complete spectrum map construction without sampling all frequencies of spectrum data. The simulation results demonstrate that the proposed method can infer the spectrum utilization status of missing frequencies and improve the completeness of the spectrum map construction. Furthermore, the accuracy of spectrum map construction achieved by the proposed data-and-semantic dual-driven method outperforms the benchmark schemes, especially in scenarios with low sampling density.
• Abstract（参考訳）: スペクトルマップは、電磁環境におけるスペクトル資源の利用と分布を反映し、スペクトル管理を支援する効果的なアプローチとして機能する。 しかし、高密度接続と複雑な地形のため、都市環境におけるスペクトルマップの構築は困難である。 さらに、既存のスペクトルマップ構築法は一般に周波数帯全体をカバーできない固定周波数に適用される。 上記の課題に対処するため, 複雑な都市環境下でのスペクトルマップ構築の精度を高めるために, 二つの都市マップと2つのサンプリング位置マップのセマンティック知識を導入することで, UNetに基づくデータ・セマンティック二重駆動方式を提案する。 さらに、結合周波数空間推論モデルを用いて、スペクトルデータの相関関係を空間と周波数で捉え、スペクトルデータの全周波数をサンプリングすることなく完全なスペクトルマップ構築の実現を可能にする。 シミュレーションの結果,提案手法は周波数不足のスペクトル利用状況を推定し,スペクトルマップ構築の完全性を向上させることができることがわかった。 さらに,提案手法により得られたスペクトルマップ構築の精度は,特にサンプリング密度の低い場合において,ベンチマーク手法よりも優れている。

関連論文リスト

• Spectral Graph Reasoning Network for Hyperspectral Image Classification [0.43512163406551996]
  畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において顕著な性能を達成した。 本稿では、2つの重要なモジュールからなるスペクトルグラフ推論ネットワーク(SGR)学習フレームワークを提案する。 2つのHSIデータセットの実験により、提案したアーキテクチャが分類精度を大幅に改善できることが示されている。
  論文  参考訳（メタデータ） (2024-07-02T20:29:23Z)
• SATSense: Multi-Satellite Collaborative Framework for Spectrum Sensing [13.456786799919472]
  ローアース・オービター・インターネット(英語版)は最近展開され、地球外のネットワークで世界中にサービスを提供している。 複数の衛星からの多様なデータを利用した協調センシング手法を提案する。 本稿では,効率的なスペクトルセンシングを実現するために,グラフニューラルネットワークに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-24T13:29:57Z)
• SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
  本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。 スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-14T07:19:31Z)
• HoloNets: Spectral Convolutions do extend to Directed Graphs [59.851175771106625]
  従来の知恵は、スペクトル畳み込みネットワークは無向グラフ上にしか展開できないと規定している。 ここでは、このグラフフーリエ変換への伝統的な依存が超フルであることを示す。 本稿では,新たに開発されたフィルタの周波数応答解釈を行い,フィルタ表現に使用するベースの影響を調査し,ネットワークを基盤とする特性演算子との相互作用について議論する。
  論文  参考訳（メタデータ） (2023-10-03T17:42:09Z)
• Collaborative Wideband Spectrum Sensing and Scheduling for Networked UAVs in UTM Systems [2.755290959487378]
  ネットワーク型無人航空機(UAV)の協調広帯域スペクトルセンシングとスケジューリングのためのデータ駆動型フレームワークを提案する。 スペクトルスケジューリングフェーズにおいて、検出されたスペクトル穴を二次ユーザ(UAV)に動的に割り当てるために強化学習(RL)ソリューションを利用する。 この評価手法は、航空機用ML/AIベースのスペクトル管理ソリューションの開発に使用できる大規模なスペクトルデータセットを生成するフレキシブルなフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-08-09T16:08:44Z)
• Boosting the Generalization Ability for Hyperspectral Image Classification using Spectral-spatial Axial Aggregation Transformer [14.594398447576188]
  ハイパースペクトル画像分類(HSIC)タスクでは、最も一般的に使われているモデル検証パラダイムは、画素単位のランダムサンプリングによってトレーニング・テストデータセットを分割することである。 私たちの実験では、トレーニングとテストデータセットが多くの情報を共有しているため、高い精度が達成できたことが分かりました。 本稿では,データセット分割間の一般化を保ったスペクトル-空間軸アグリゲーション変換器モデルSaaFormerを提案する。
  論文  参考訳（メタデータ） (2023-06-29T07:55:43Z)
• 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)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。