論文の概要: Cognitive Fusion of ZC Sequences and Time-Frequency Images for Out-of-Distribution Detection of Drone Signals
- arxiv url: http://arxiv.org/abs/2601.18326v1
- Date: Mon, 26 Jan 2026 10:10:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:08.765909
- Title: Cognitive Fusion of ZC Sequences and Time-Frequency Images for Out-of-Distribution Detection of Drone Signals
- Title（参考訳）: ドローン信号のアウト・オブ・ディストリビューション検出のためのZC系列の認知融合と時間周波数画像
- Authors: Jie Li, Jing Li, Lu Lv, Zhanyu Ju, Fengkui Gong,
- Abstract要約: 本稿では,Zadoff-Chu (ZC) シーケンスと時間周波数画像(TFI)の認識融合に基づくドローン信号出力検出アルゴリズムを提案する。
ZCシーケンスは、DJIドローンの通信プロトコルを分析し、TFIは未知または非標準通信プロトコルでドローン信号の時間周波数特性をキャプチャする。
- 参考スコア（独自算出の注目度）: 12.735651073414452
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a drone signal out-of-distribution detection (OODD) algorithm based on the cognitive fusion of Zadoff-Chu (ZC) sequences and time-frequency images (TFI). ZC sequences are identified by analyzing the communication protocols of DJI drones, while TFI capture the time-frequency characteristics of drone signals with unknown or non-standard communication protocols. Both modalities are used jointly to enable OODD in the drone remote identification (RID) task. Specifically, ZC sequence features and TFI features are generated from the received radio frequency signals, which are then processed through dedicated feature extraction module to enhance and align them. The resultant multi-modal features undergo multi-modal feature interaction, single-modal feature fusion, and multi-modal feature fusion to produce features that integrate and complement information across modalities. Discrimination scores are computed from the fused features along both spatial and channel dimensions to capture time-frequency characteristic differences dictated by the communication protocols, and these scores will be transformed into adaptive attention weights. The weighted features are then passed through a Softmax function to produce the signal classification results. Simulation results demonstrate that the proposed algorithm outperforms existing algorithms and achieves 1.7% and 7.5% improvements in RID and OODD metrics, respectively. The proposed algorithm also performs strong robustness under varying flight conditions and across different drone types.
- Abstract（参考訳）: 本稿では,Zadoff-Chu (ZC) シーケンスと時間周波数画像(TFI)の認識融合に基づく,OODDアルゴリズムを提案する。
ZCシーケンスは、DJIドローンの通信プロトコルを分析し、TFIは未知または非標準通信プロトコルでドローン信号の時間周波数特性をキャプチャする。
両方のモダリティは、ドローンリモート識別(RID)タスクにおけるOODDを可能にするために共同で使用される。
具体的には、受信した無線周波数信号からZCシーケンス特徴とTFI特徴を生成し、それを専用特徴抽出モジュールで処理して強化・調整する。
結果として得られたマルチモーダル機能は、マルチモーダル機能相互作用、単一モーダル機能融合、マルチモーダル機能融合によって、モーダルをまたいだ情報を統合し補完する機能を生成する。
識別スコアは,通信プロトコルによって規定される時間周波数特性の差を捉えるために,空間次元とチャネル次元の融合特徴から算出され,これらのスコアは適応的な注意重みに変換される。
重み付けされた特徴はSoftmax関数を通して信号分類結果を生成する。
シミュレーションの結果、提案アルゴリズムは既存のアルゴリズムよりも優れており、それぞれ1.7%と7.5%の改善が達成されている。
提案アルゴリズムは、飛行条件やドローンの種類によっても頑丈である。
関連論文リスト
- Discriminability-Driven Spatial-Channel Selection with Gradient Norm for Drone Signal OOD Detection [12.735651073414452]
本稿では,識別可能性駆動型空間チャネル選択に基づくドローン信号出力検出アルゴリズムを提案する。
時間周波数の特徴は、プロトコル固有の時間周波数特性に基づいて、クラス間の類似性とばらつきを定量化することにより、空間次元とチャネル次元の両方に沿って適応的に重み付けされる。
論文 参考訳（メタデータ） (2026-01-26T10:13:07Z) - A Sensing Dataset Protocol for Benchmarking and Multi-Task Wireless Sensing [45.99328292838584]
本稿では,大規模無線センシングのためのプロトコルレベルの仕様とベンチマークフレームワークであるSensing dataset Protocol (SDP)を提案する。
SDPは、異種無線信号が統一された知覚データブロックスキーマにどのようにマッピングされるかを定義する。
統一ベンチマークは、一貫した前処理、トレーニング、評価を伴う検出、認識、バイタルサイン推定のために確立される。
論文 参考訳（メタデータ） (2025-12-13T05:01:30Z) - Dim and Small Target Detection for Drone Broadcast Frames Based on Time-Frequency Analysis [13.693769465573297]
本稿では,通信プロトコルの時間周波数解析に基づく,ドローン放送フレームのターゲット検出アルゴリズムを提案する。
提案アルゴリズムは,既存のアルゴリズムと比較して評価基準を2.27%改善する。
論文 参考訳（メタデータ） (2025-05-14T02:53:42Z) - Task-Oriented Feature Compression for Multimodal Understanding via Device-Edge Co-Inference [54.53508601749513]
本稿では,マルチモーダル理解のためのタスク指向特徴圧縮(TOFC)手法を提案する。
圧縮効率を向上させるために、視覚特徴の特性に基づいて複数のエントロピーモデルを適応的に選択する。
その結果,TOFCはデータ転送オーバーヘッドを最大52%削減し,システム遅延を最大63%削減できることがわかった。
論文 参考訳（メタデータ） (2025-03-17T08:37:22Z) - MIMO Detection via Gaussian Mixture Expectation Propagation: A Bayesian Machine Learning Approach for High-Order High-Dimensional MIMO Systems [0.0]
効率的なアップリンク(UL)
MIMO検出アルゴリズムは、これらの信号を正確に復号し、堅牢な通信を保証するために重要である。
このアルゴリズムは、計算複雑性を低く保ちながら、アート検出アルゴリズムの状態を上回ります。
論文 参考訳（メタデータ） (2024-12-12T08:53:23Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - Collaborative Edge AI Inference over Cloud-RAN [37.3710464868215]
クラウド無線アクセスネットワーク(Cloud-RAN)ベースの協調エッジAI推論アーキテクチャを提案する。
具体的には、地理的に分散したデバイスが、リアルタイムのノイズ破壊センサデータサンプルをキャプチャし、ノイズの多い局所特徴ベクトルを抽出する。
我々は,各RRHが同一リソースブロック上の全デバイスから局所的特徴ベクトルを同時に受信することを可能にする。
これらの集約された特徴ベクトルは量子化され、さらに集約および下流推論タスクのために中央プロセッサに送信される。
論文 参考訳（メタデータ） (2024-04-09T04:26:16Z) - 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) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳（メタデータ） (2022-11-02T22:07:36Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z)
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。