論文の概要: A Multiscale Approach for Enhancing Weak Signal Detection

• arxiv url: http://arxiv.org/abs/2510.20828v1
• Date: Thu, 09 Oct 2025 19:13:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.917547
• Title: A Multiscale Approach for Enhancing Weak Signal Detection
• Title（参考訳）: 弱信号検出のためのマルチスケールアプローチ
• Authors: Dixon Vimalajeewa, Ursula U. Muller, Brani Vidakovic,
• Abstract要約: 本研究では、ウェーブレット変換を用いたマルチスケールアプリケーションにおける共鳴(SR)の適用について検討する。 本稿では,2つの単一閾値検出器を統合し,弱い信号検出を向上する二重閾値検出システムを提案する。 実験により、元のデータ領域において、提案したダブルスレッショルド検出器は、従来のシングルスレッショルド手法と比較して、弱い信号検出を著しく改善することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Stochastic resonance (SR), a phenomenon originally introduced in climate modeling, enhances signal detection by leveraging optimal noise levels within non-linear systems. Traditional SR techniques, mainly based on single-threshold detectors, are limited to signals whose behavior does not depend on time. Often large amounts of noise are needed to detect weak signals, which can distort complex signal characteristics. To address these limitations, this study explores multi-threshold systems and the application of SR in multiscale applications using wavelet transforms. In the multiscale domain signals can be analyzed at different levels of resolution to better understand the underlying dynamics. We propose a double-threshold detection system that integrates two single-threshold detectors to enhance weak signal detection. We evaluate it both in the original data domain and in the multiscale domain using simulated and real-world signals and compare its performance with existing methods. Experimental results demonstrate that, in the original data domain, the proposed double-threshold detector significantly improves weak signal detection compared to conventional single-threshold approaches. Its performance is further improved in the frequency domain, requiring lower noise levels while outperforming existing detection systems. This study advances SR-based detection methodologies by introducing a robust approach to weak signal identification, with potential applications in various disciplines.
• Abstract（参考訳）: 確率共鳴(Stochastic resonance, SR)は、もともと気候モデルで導入された現象であり、非線形システム内で最適な雑音レベルを活用することで信号検出を強化する。 従来のSR技術は主に単一閾値検出器に基づいており、動作が時間に依存しない信号に限られている。 弱い信号を検出するには、しばしば大量のノイズが必要であり、複雑な信号特性を歪ませることができる。 これらの制約に対処するために、ウェーブレット変換を用いたマルチスレッドシステムとマルチスケールアプリケーションにおけるSRの適用について検討する。 マルチスケールのドメイン信号では、基礎となるダイナミクスをよりよく理解するために、様々なレベルの解像度で分析することができる。 本稿では,2つの単一閾値検出器を統合し,弱い信号検出を向上する二重閾値検出システムを提案する。 シミュレーションと実世界の信号を用いて,元のデータ領域とマルチスケール領域の両方で評価を行い,その性能を既存手法と比較した。 実験により、元のデータ領域において、提案したダブルスレッショルド検出器は、従来のシングルスレッショルド手法と比較して、弱い信号検出を著しく改善することを示した。 その性能は周波数領域でさらに改善され、既存の検知システムよりも低いノイズレベルが要求される。 本研究は、弱信号識別への頑健なアプローチを導入し、SRに基づく検出手法を進歩させ、様々な分野に応用する。

関連論文リスト

• LLM Hallucination Detection: A Fast Fourier Transform Method Based on Hidden Layer Temporal Signals [10.85580316542761]
  幻覚は、信頼性に敏感なアプリケーションに大規模言語モデル(LLM)をデプロイする上で、依然として重要な障壁である。 隠れ表現の時間的ダイナミクスをモデル化する新しい幻覚検出フレームワークであるHSAD(Hidden Signal Analysis-based Detection)を提案する。 TruthfulQAを含む複数のベンチマークにおいて、HSADは従来の最先端手法に比べて10パーセント以上の改善を実現している。
  論文  参考訳（メタデータ） (2025-09-16T15:08:19Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Few-Shot Radar Signal Recognition through Self-Supervised Learning and Radio Frequency Domain Adaptation [48.265859815346985]
  レーダー信号認識は電子戦(EW)において重要な役割を果たす 近年のディープラーニングの進歩は、レーダー信号認識の改善に大きな可能性を示している。 これらの手法は、注釈付き無線周波数(RF)データが少ない、あるいは入手できないEWシナリオでは不十分である。
  論文  参考訳（メタデータ） (2025-01-07T01:35:56Z)
• LLMCount: Enhancing Stationary mmWave Detection with Multimodal-LLM [1.8326853076179552]
  LLMCountは,大規模言語モデル(LLM)の機能を活用して,群衆検出性能を向上させる最初のシステムである。 システムの性能を評価するため,ホール,会議室,映画館などの多彩なシナリオ下で総合的な評価を行う。
  論文  参考訳（メタデータ） (2024-09-24T16:09:29Z)
• Improving Robustness of Spectrogram Classifiers with Neural Stochastic Differential Equations [4.259762400898358]
  スペクトログラムに適用されたコンピュータビジョンに基づくディープラーニングモデルは、信号の分類と検出の分野で有用であることが証明されている。 これらの方法は、非ビジョン信号処理タスクに固有の低信号対雑音比を扱うように設計されていない。
  論文  参考訳（メタデータ） (2024-09-03T02:03:50Z)
• Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
  本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。 本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。 合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
  論文  参考訳（メタデータ） (2023-06-19T12:01:28Z)
• Non-destructive Fault Diagnosis of Electronic Interconnects by Learning Signal Patterns of Reflection Coefficient in the Frequency Domain [1.8843687952462742]
  本稿では,早期故障検出と相互接続欠陥の正確な診断のための新しい非破壊的手法を提案する。 提案手法は, 周波数範囲にわたる係数反射の信号パターンを利用して, 根本原因同定と重大度評価の両立を可能にする。 実験結果から,本手法は断層検出および診断に有効であり,実世界の産業応用に拡張できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-20T10:51:21Z)
• 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)
• Capturing scattered discriminative information using a deep architecture in acoustic scene classification [49.86640645460706]
  本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。 我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。 2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
  論文  参考訳（メタデータ） (2020-07-09T08:32:06Z)

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。