論文の概要: A Multi-Scenario UAV RF Dataset with Real-World Acquisition and Signal Processing Benchmarking
- arxiv url: http://arxiv.org/abs/2603.00106v1
- Date: Wed, 18 Feb 2026 08:09:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.057168
- Title: A Multi-Scenario UAV RF Dataset with Real-World Acquisition and Signal Processing Benchmarking
- Title（参考訳）: 実世界取得と信号処理ベンチマークを用いたマルチシナリオUAV RFデータセット
- Authors: Haolin Zheng, Ning Gao, Zhenghang Zhu, Zhijun Huang, Shi Jin, Michail Matthaiou,
- Abstract要約: 実世界の無人航空機(UAV)の無線周波数データセット、DRFF-R2について述べる。
すべての信号は統一されたフレームワーク内で取得され、ハードウェア設定と環境設定の整合性を保証する。
データセットには、8つの異なるモデルにまたがる26のUAVユニットからのRF記録が含まれている。
- 参考スコア（独自算出の注目度）: 53.65328703290737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a real-world multi-scenario unmanned aerial vehicle (UAV) radio frequency (RF) dataset, namely DRFF-R2, which is collected using a dedicated acquisition platform under diverse operational conditions. All signals are acquired within a unified framework to ensure consistency in hardware configuration and environmental settings. The dataset is systematically organized into seven well-defined subsets corresponding to different operational and signal composition scenarios to facilitate structured experimentation. Each file follows a clearly annotated naming convention to enable convenient data indexing and reproducible analysis. The dataset contains RF recordings from 26 UAV units spanning 8 distinct models, captured across varying flight states, altitudes, speeds, acquisition days, and receiver configurations. By covering diverse acquisition settings and signal compositions, the dataset provides a comprehensive resource for future UAV RF signal research, including RF fingerprinting (RFF) identification, model-level recognition, flight state analysis, time-varying RFF study, and interference-aware signal processing.
- Abstract（参考訳）: 本稿では,実世界の無人航空機(UAV)の無線周波数データセットであるDRFF-R2について述べる。
すべての信号は統一されたフレームワーク内で取得され、ハードウェア設定と環境設定の整合性を保証する。
データセットは、構造化実験を容易にするために、異なる運用シナリオと信号合成シナリオに対応する7つの明確に定義されたサブセットに体系的に編成される。
各ファイルは、便利なデータインデックスと再現可能な分析を可能にするために、明確に注釈付けされた命名規則に従っている。
このデータセットには、8つの異なるモデルにまたがる26機のUAVユニットからのRF記録が含まれており、様々な飛行状態、高度、速度、取得日、受信機の構成が記録されている。
このデータセットは、様々な取得設定と信号組成をカバーし、RFフィンガープリント(RFF)識別、モデルレベルの認識、飛行状態分析、時間変化RFF研究、干渉認識信号処理など、将来のUAV RF信号研究のための包括的なリソースを提供する。
関連論文リスト
- ECHO: Frequency-aware Hierarchical Encoding for Variable-length Signals [8.411477071838592]
本稿では,周波数位置埋め込みと高度なバンド分割アーキテクチャを組み合わせた新しい基礎モデルECHOを提案する。
本手法は,様々な種類の機械信号データセットを用いて評価する。
論文 参考訳（メタデータ） (2025-08-20T13:10:44Z) - RFUAV: A Benchmark Dataset for Unmanned Aerial Vehicle Detection and Identification [6.838837917253087]
RFUAVは、無線周波数に基づく無人航空機(UAV)の識別のための新しいベンチマークデータセットである。
RFUAVは、37個の異なるUAVから収集された生の周波数データの約1.3TBである。
論文 参考訳（メタデータ） (2025-03-12T03:46:09Z) - RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、深層学習手法を利用したデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
本論文の主な貢献は、RF信号データセットであるRF Challengeの導入である。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - Joint Signal Detection and Automatic Modulation Classification via Deep Learning [34.580846369146435]
本稿では,現実的かつ複雑なシナリオを考慮した共同信号検出と自動変調分類(AMC)について検討する。
このような複数信号共存環境に対する検出・分類(JDM)のための共同フレームワークを提案する。
私たちのコードとデータセットはオープンソースとして利用可能です。
論文 参考訳（メタデータ） (2024-04-29T15:40:19Z) - 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) - Comprehensive RF Dataset Collection and Release: A Deep Learning-Based
Device Fingerprinting Use Case [10.698553177585973]
我々は、USRP B210受信機を用いて25種類のLoRa対応IoT伝送デバイスから収集した大規模なRFフィンガープリントデータセットを提示、リリースする。
我々のデータセットは、多数のSigMF準拠バイナリファイルからなり、I/Q時間領域のサンプルと対応するFFTベースのLoRa送信ファイルで構成されている。
論文 参考訳（メタデータ） (2022-01-06T19:07:57Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳（メタデータ） (2022-01-03T16:49:33Z) - 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。