論文の概要: Applied AI-Enhanced RF Interference Rejection
- arxiv url: http://arxiv.org/abs/2604.22816v1
- Date: Tue, 14 Apr 2026 18:55:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.201155
- Title: Applied AI-Enhanced RF Interference Rejection
- Title（参考訳）: 応用AIによるRF干渉除去
- Abstract要約: 興味の信号(SOI)と信号の混合(SOI+干渉)の両方で訓練されたディープラーニングアプローチは、従来のアプローチよりも優れている。
音声品質の知覚評価 (PESQ) などの指標を用いて, 認識不能な伝達が理解不能になることを示す。
これらの同じテクニックは、より広範な国家安全保障シナリオや商用アプリケーションにも適用できると考えています。
- 参考スコア（独自算出の注目度）: 2.3977391435533373
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-enhanced interference rejection in radio frequency (RF) transmissions has recently attracted interest because deep learning approaches trained on both the signal of interest (SOI) and the signal mixture (SOI plus interference) can outperform traditional approaches which only consider the SOI. The goal is to detect, demodulate, and decode signals over a range of signal-to-interference-plus-noise (SINR) levels without having a detailed, design-level knowledge of the interfering signal or the propagation conditions. Our present AI interference suppression results are based on Autoregressive Transformer Decoder models which exhibit orders of magnitude faster throughput at inference time than WaveNet models developed in earlier work. As a specific example, we investigate an analog FM "Walkie Talkie" radio signal of interest in the presence of an Orthogonal Frequency-Division Multiplexing (OFDM) interferer. This type of interferer is near-ubiquitous in the current RF landscape. Our results clearly show the benefits of transformer-based interference mitigation in tactical settings. We show that unintelligible transmissions become intelligible via metrics such as Perceptual Evaluation of Speech Quality (PESQ), while overall latency is kept to a minimum using readily available lightweight GPUs such as a Jetson AGX Orin. We believe these same techniques can also be applied to a broader set of national security scenarios, as well as having commercial applications.
- Abstract（参考訳）: 高周波(RF)伝送におけるAIによる干渉拒絶は、興味のある信号(SOI)と信号混合(SOI+干渉)の両方で訓練された深層学習アプローチがSOIのみを考慮した従来の手法よりも優れているため、近年注目されている。
目標は、干渉信号や伝播条件に関する詳細な設計レベルの知識を必要とせずに、信号から干渉余剰雑音(SINR)レベルの信号を検出し、復号し、復号することである。
提案するAI干渉抑制結果は,従来のWaveNetモデルよりも高速な推論時間でのスループットを示すAutoregressive Transformer Decoderモデルに基づいている。
特定の例として、直交周波数分割多重化(OFDM)干渉器の存在に注目するアナログFM "Walkie Talkie"無線信号について検討する。
この種の干渉器は、現在のRFランドスケープにおいてほぼ不均質である。
この結果から, 戦術的条件下でのトランスフォーマーによる干渉緩和の利点が明らかとなった。
本稿では,Jetson AGX Orinなどの軽量GPUを用いて,音声品質の知覚的評価(PESQ)などの指標を用いて,非知能伝送の可知性を示す。
これらの同じテクニックは、より広範な国家安全保障シナリオや商用アプリケーションにも適用できると考えています。
関連論文リスト
- Clearing the Underbrush: AI-Enhanced RF Interference Suppression [2.3977391435533373]
この作業は、Finite Scalar Quantization(FSQ)トークンライザレイヤを追加することで、従来のAI対応アプローチに基づいている。
我々は、音声品質の知覚評価(PESQ)のような音声メトリクスによるAI対応アプローチの利点を実証する。
論文 参考訳（メタデータ） (2026-08-25T14:55:46Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - Temporal Convolutional Autoencoder for Interference Mitigation in FMCW Radar Altimeters [0.7916635054977068]
時間的畳み込みネットワーク(TCN)オートエンコーダは受信信号の時間的相関を効果的に活用することを示す。
既存の手法とは異なり、本手法は受信周波数変調連続波(FMCW)信号を直接操作する。
論文 参考訳（メタデータ） (2025-05-28T18:52:10Z) - Aircraft Radar Altimeter Interference Mitigation Through a CNN-Layer Only Denoising Autoencoder Architecture [0.7538606213726906]
我々は,CNN層のみのオートエンコーダアーキテクチャを用いて,レーダ高度計の測位精度を向上させることができることを示す。
最大4万個のIQサンプルのFMCWレーダー信号を確実に再構成することができる。
論文 参考訳（メタデータ） (2024-10-04T13:32:05Z) - 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) - Deep-Learned Compression for Radio-Frequency Signal Classification [0.49109372384514843]
次世代の細胞概念は、大量の高周波サンプルの処理に依存している。
RF信号の複雑な値のサンプルを圧縮する深層学習圧縮モデルHQARFを提案する。
RF信号の変調クラスを推定するために訓練されたAIモデルの性能に対するHQARFの効果を評価する。
論文 参考訳（メタデータ） (2024-03-05T17:42:39Z) - Deep Reinforcement Learning for Interference Management in UAV-based 3D
Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。
干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文 参考訳（メタデータ） (2023-05-11T18:06:46Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional
Interference Cancellation Network [4.450750414447688]
ワイヤレスリンクは、重要なサービスを提供するためにますます使われていますが、意図的な干渉(ジャミング)は、そのようなサービスにとって深刻な脅威です。
機械学習の進歩とニューラルアクセラレータとソフトウェア定義無線の約束に依存するアプローチを提案する。
本研究では,2アンテナの試作システムを開発し,様々な環境設定や変調方式におけるジャミングキャンセル手法の評価を行う。
論文 参考訳（メタデータ） (2022-03-18T03:30:57Z) - Harnessing Wireless Channels for Scalable and Privacy-Preserving
Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である
Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。
A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。
これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文 参考訳（メタデータ） (2020-07-03T16:31:15Z) - Interference Distribution Prediction for Link Adaptation in
Ultra-Reliable Low-Latency Communications [71.0558149440701]
リンク適応(LA)はURLLCを実現するボトルネックの一つと考えられている。
本稿では,ユーザの干渉信号と雑音比の予測に焦点をあて,LAを増強する。
干渉の時間相関を利用することがURLLCの重要な有効性であることを示す。
論文 参考訳（メタデータ） (2020-07-01T07:59:35Z) - Reinforcement Learning for Mitigating Intermittent Interference in
Terahertz Communication Networks [4.999585439793266]
多数のユーザによる非協調送信はテラヘルツネットワークに重大な干渉を引き起こす可能性がある。
適応型マルチスレッディング戦略を用いた強化学習に基づく新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-10T16:28:45Z)
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。