論文の概要: NGGAN: Noise Generation GAN Based on the Practical Measurement Dataset for Narrowband Powerline Communications

• arxiv url: http://arxiv.org/abs/2510.01850v1
• Date: Thu, 02 Oct 2025 09:47:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.082916
• Title: NGGAN: Noise Generation GAN Based on the Practical Measurement Dataset for Narrowband Powerline Communications
• Title（参考訳）: 狭帯域電力線通信のための実測データに基づくNGGAN
• Authors: Ying-Ren Chien, Po-Heng Chou, You-Jie Peng, Chun-Yuan Huang, Hen-Wai Tsao, Yu Tsao,
• Abstract要約: データ拡張のための実測ノイズサンプルの複雑な特性を学習するGAN(Generative Adversarial Network)を提案する。 我々は,NB-PLCモデムのアナログ結合と帯域通過フィルタ回路を用いて,NB-PLCシステムの複雑なノイズの統計値と密に一致させた。
• 参考スコア（独自算出の注目度）: 11.68930533749534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Capturing comprehensive statistics of nonperiodic asynchronous impulsive noise is a critical issue in enhancing impulse noise processing for narrowband powerline communication (NB-PLC) transceivers. However, existing mathematical noise generative models capture only some of the characteristics of additive noise. Therefore, we propose a generative adversarial network (GAN), called the noise-generation GAN (NGGAN), that learns the complicated characteristics of practically measured noise samples for data augmentation. To closely match the statistics of complicated noise in NB-PLC systems, we measured the NB-PLC noise via the analog coupling and bandpass filtering circuits of a commercial NB-PLC modem to build a realistic dataset. Specifically, the NGGAN design approaches based on the practically measured dataset are as follows: (i) we design the length of input signals that the NGGAN model can fit to facilitate cyclo-stationary noise generation. (ii) Wasserstein distance is used as a loss function to enhance the similarity between the generated noise and the training dataset and ensure that the sample diversity is sufficient for various applications. (iii) To measure the similarity performance of the GAN-based models based on mathematical and practically measured datasets, we perform quantitative and qualitative analyses. The training datasets include (1) a piecewise spectral cyclo-stationary Gaussian model (PSCGM), (2) a frequency-shift (FRESH) filter, and (3) practical measurements from NB-PLC systems. Simulation results demonstrate that the proposed NGGAN trained using waveform characteristics is closer to the practically measured dataset in terms of the quality of the generated noise.
• Abstract（参考訳）: 狭帯域電力線通信(NB-PLC)トランシーバにおけるインパルスノイズ処理の強化には,非周期的非同期インパルスノイズの包括的統計値の取得が重要である。 しかし、既存の数理ノイズ生成モデルでは、加法雑音の特徴のいくつかしか捉えていない。 そこで本研究では,データ拡張のための実測ノイズサンプルの複雑な特性を学習するGAN(generative adversarial network)であるNGGANを提案する。 本研究では,NB-PLCモデムのアナログ結合回路と帯域通過フィルタ回路を用いて,NB-PLCシステムの複雑な雑音の統計と密に一致させ,現実的なデータセットを構築した。 具体的には,実測データに基づくNGGAN設計アプローチは以下のとおりである。 i) NGGANモデルがシクロ定常雑音発生に適合する入力信号の長さを設計する。 (II)Wasserstein距離を損失関数として用いて、生成されたノイズとトレーニングデータセットの類似性を高め、サンプルの多様性が様々な用途に十分であることを保証する。 3) 数学的および実測データに基づくGANモデルとの類似性評価を行うため, 定量的・定性的な分析を行った。 トレーニングデータセットは,(1)スペクトルサイクロ定常ガウスモデル(PSCGM),(2)周波数シフトフィルタ(FRESH),(3)NB-PLCシステムによる実測値を含む。 シミュレーションの結果、波形特性を用いて訓練したNGGANは、生成した雑音の品質の観点から、実際に測定されたデータセットに近いことがわかった。

関連論文リスト

• Noise Augmented Fine Tuning for Mitigating Hallucinations in Large Language Models [1.0579965347526206]
  大規模言語モデル(LLM)は、しばしば不正確な、または誤解を招くコンテンツ・ハロシンを生成する。 noise-Augmented Fine-Tuning (NoiseFiT) は適応ノイズ注入を利用してモデルロバスト性を高める新しいフレームワークである。 NoiseFiTは、動的にスケールしたガウス雑音を用いて、高SNR(より堅牢)または低SNR(潜在的に過正規化)と同定された層を選択的に摂動する。
  論文  参考訳（メタデータ） (2025-04-04T09:27:19Z)
• Unsupervised CP-UNet Framework for Denoising DAS Data with Decay Noise [13.466125373185399]
  分散音響センサ(DAS)技術は光ファイバーケーブルを利用して音響信号を検出する。 DASは、ジオフォンよりも低い信号対雑音比(S/N)を示す。 これにより、S/Nの低減は、反転と解釈を含むデータ解析に悪影響を及ぼす。
  論文  参考訳（メタデータ） (2025-02-19T03:09:49Z)
• Can We Transfer Noise Patterns? A Multi-environment Spectrum Analysis Model Using Generated Cases [10.876490928902838]
  スペクトルデータベースのテストデバイスは、非作業環境にデプロイされた場合、複雑なノイズパターンに悩まされる。 本研究では,異なる環境における標準試料のスペクトルを事例として,そのノイズパターンの違いを学習するノイズパターン伝達モデルを提案する。 サンプルからサンプルまでのケースベースを生成し、データセットレベルのノイズ学習におけるサンプルレベルのノイズの干渉を排除する。
  論文  参考訳（メタデータ） (2023-08-02T13:29:31Z)
• Realistic Noise Synthesis with Diffusion Models [44.404059914652194]
  ディープラーニングモデルには、大規模な実世界のトレーニングデータが必要です。 本稿では,これらの課題に対処するために拡散モデルを用いた新しい実音合成拡散器(RNSD)法を提案する。
  論文  参考訳（メタデータ） (2023-05-23T12:56:01Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• 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)
• Improving Stability of LS-GANs for Audio and Speech Signals [70.15099665710336]
  このベクトル空間で計算された正規性からジェネレータ最適化の定式化への切り離しの符号化は、より包括的な分光図を作成するのに役立つことを示す。 本手法をベースラインGANと比較してモード崩壊の少ないトレーニングにおける安定性向上に有効であることを示す。
  論文  参考訳（メタデータ） (2020-08-12T17:41:25Z)

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。