論文の概要: The Wigner-Ville Transform as an Information Theoretic Tool in Radio-frequency Signal Analysis
- arxiv url: http://arxiv.org/abs/2512.24488v1
- Date: Tue, 30 Dec 2025 22:16:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-01 23:27:28.498798
- Title: The Wigner-Ville Transform as an Information Theoretic Tool in Radio-frequency Signal Analysis
- Title（参考訳）: 無線信号解析における情報理論ツールとしてのWigner-Ville変換
- Authors: Erik Lentz, Emily Ellwein, Bill Kay, Audun Myers, Cameron Mackenzie,
- Abstract要約: Wigner-Ville変換は情報測定ツールである。
ウィグナー・ヴィルに基づく検出は、かなりの感度の利点をもたらすと考えられる。
いくつかの応用の進展の可能性について論じる。
- 参考スコア（独自算出の注目度）: 0.8847666860258112
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents novel interpretations to the field of classical signal processing of the Wigner-Ville transform as an information measurement tool. The transform's utility in detecting and localizing information-laden signals amidst noisy and cluttered backgrounds, and further providing measure of their information volumes, are detailed herein using Tsallis' entropy and information and related functionals. Example use cases in radio frequency communications are given, where Wigner-Ville-based detection measures can be seen to provide significant sensitivity advantage, for some shown contexts greater than 15~dB advantage, over energy-based measures and without extensive training routines. Such an advantage is particularly significant for applications which have limitations on observation resources including time/space integration pressures and transient and/or feeble signals, where Wigner-Ville-based methods would improve sensing effectiveness by multiple orders of magnitude. The potential for advancement of several such applications is discussed.
- Abstract（参考訳）: 本稿では,情報計測ツールとしてのウィグナー・ヴィル変換の古典的信号処理の分野に対する新しい解釈を提案する。
雑音や乱れの背景における情報ラデン信号の検出と局所化、およびそれらの情報量の測定における変換の有用性については、Tsallisのエントロピーと情報および関連する機能を用いて詳述する。
無線周波数通信の例では、Wigner-Villeベースの検出手段は、15~dB以上の状況やエネルギーベースの測定、広範囲な訓練ルーチンを伴わない状況において、大きな感度の利点をもたらすと見られる。
このような利点は、時間/空間積分圧力や過渡的、または正当な信号を含む観測資源に制限があるアプリケーションにおいて特に重要である。
いくつかの応用の進展の可能性について論じる。
関連論文リスト
- Audio Signal Processing Using Time Domain Mel-Frequency Wavelet Coefficient [0.0]
本稿ではウェーブレット変換の概念を組み合わせた時間領域におけるメルスケール特徴抽出手法を提案する。
貯水池計算手法を用いた時間領域メル周波数ウェーブレット係数(TMFWC)法は,音声信号処理の効率を大幅に改善した。
論文 参考訳（メタデータ） (2025-10-28T15:31:52Z) - Transforming Decoder-Only Transformers for Accurate WiFi-Telemetry Based Indoor Localization [1.312141043398756]
WiFiGPT(Generative Pretrained Transformer (GPT) ベースのシステム) を提案する。
提案手法は, 従来型の遠隔測定手法に適合し, しばしば超越する。
論文 参考訳（メタデータ） (2025-05-16T17:47:32Z) - Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Wavelet correlation noise analysis for qubit operation variable time series [0.29164840862014807]
量子特性は空間と時間における非自明な相関の対象となる。
スピン量子ビット実験の工学的進歩は大量のデータを生成する。
天体物理学、金融学、気候科学などの分野では、ウェーブレットに基づく手法を用いてデータ分析を強化する。
論文 参考訳（メタデータ） (2023-09-21T23:45:14Z) - Learnable Wavelet Packet Transform for Data-Adapted Spectrograms [0.0]
学習可能なウェーブレットパケット変換のためのフレームワークを提案し,データから自動的に特徴を学習する。
学習した機能はスペクトログラムとして表現することができ、データセットの重要な時間周波数情報を含んでいる。
提案手法の特性と性能を,改良されたスペクトルリークを評価し,音響モニタリングのための異常検出タスクに適用することにより評価した。
論文 参考訳（メタデータ） (2022-01-26T17:28:17Z) - 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) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳（メタデータ） (2021-06-10T04:21:20Z) - PILOT: Introducing Transformers for Probabilistic Sound Event
Localization [107.78964411642401]
本稿では,受信したマルチチャンネル音声信号の時間的依存性を自己アテンション機構によってキャプチャする,トランスフォーマーに基づく新しい音声イベント定位フレームワークを提案する。
このフレームワークは, 公開されている3つの音声イベントローカライズデータセットを用いて評価し, 局所化誤差と事象検出精度の点で最先端の手法と比較した。
論文 参考訳（メタデータ） (2021-06-07T18:29:19Z) - Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文 参考訳（メタデータ） (2021-04-09T01:38:34Z)
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。