論文の概要: Heterogeneous 2D/1D Signal Representation Fusion for Underwater Acoustic Modulation Recognition Under Distribution Shift

• arxiv url: http://arxiv.org/abs/2606.23702v1
• Date: Mon, 08 Jun 2026 11:13:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-28 23:46:52.314361
• Title: Heterogeneous 2D/1D Signal Representation Fusion for Underwater Acoustic Modulation Recognition Under Distribution Shift
• Title（参考訳）: 分布シフト下における水中音響変調認識のための不均一な2D/1D信号表現融合
• Abstract要約: 変調認識システムは異種信号表現に依存している。 SCP-TriCA は STFT, cyclostationary, P2/P4 (2階および4階のパワースペクトル) を階層的に融合する。 UAMR-ShiftBenchでは、SCP-TriCAは95.33%の分配精度と74.59%のシミュレーションOOD平均を達成した。
• 参考スコア（独自算出の注目度）: 14.066845914592564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modulation recognition systems rely on heterogeneous signal representations. 2D signal-image modalities such as time-frequency and cyclostationary maps capture structural patterns, while 1D statistical descriptors such as higher-order power spectra encode complementary cues. Under distribution shift, these modalities degrade unevenly, making robust fusion a central challenge for practical deployment. Progress is further limited by the lack of a unified evaluation protocol that systematically separates different shift types. This paper addresses both challenges through a joint benchmark-and-model study in underwater acoustic modulation recognition. UAMR-ShiftBench is the first benchmark to jointly cover in-distribution, low-SNR, unseen-environment, unseen-communication-parameter, and measured sea-trial evaluation under a single matched protocol, with two independent real-world subsets collected during two sea-trial campaigns conducted in March and November in the South China Sea. SCP-TriCA fuses STFT, cyclostationary, and P2/P4 (second- and fourth-order power spectra) modalities hierarchically: the two 2D modalities are first aligned through bidirectional cross-attention, and the 1D statistical modality is then incorporated through a sample-adaptive selective gate. On UAMR-ShiftBench, SCP-TriCA achieves 95.33% in-distribution accuracy and 74.59% simulated OOD average, outperforming the strongest baseline by 5.12 percentage points, and reaches 91.14% and 94.86% on the two sea-trial subsets, exceeding the best baseline by 15.71 and 23.00 percentage points respectively. Ablation results confirm that the gains stem from modality complementarity and the hierarchical fusion design. Code and models are available at https://github.com/ronglaiqian/UAMR-ShiftBench.
• Abstract（参考訳）: 変調認識システムは異種信号表現に依存している。 時間周波数やサイクロ静止マップのような2次元信号像は構造パターンを捉え、高次パワースペクトルのような1次元統計記述子は相補的な手がかりを符号化する。 分散シフトの下では、これらのモダリティは不均一に低下し、ロバスト核融合が実用的な展開における中心的な課題となる。 進歩は、異なるシフトタイプを体系的に分離する統一評価プロトコルの欠如によってさらに制限される。 本稿では,水中音響変調認識におけるベンチマークとモデルの共同研究を通して,両課題に対処する。 UAMR-ShiftBenchは,3月と11月に南シナ海で実施された2回の海中活動で収集された2つの独立した実世界のサブセットを用いて,分布内,低SNR,未確認環境,未確認コミュニケーションパラメータ,単一マッチングプロトコルによる海中評価を共同で実施した最初のベンチマークである。 SCP-TriCAはSTFT, cyclostationary, P2/P4(第2および第4のパワースペクトル)モードを階層的に融合する。 UAMR-ShiftBenchでは、SCP-TriCAは95.33%の分配精度と74.59%のOOD平均を達成し、最強のベースラインを5.12ポイント上回り、2つの海事サブセットで91.14%、94.86%に達し、それぞれ15.71ポイント、23.00ポイントを上回っている。 アブレーションの結果、利得はモダリティの相補性と階層的融合設計に由来することが確認された。 コードとモデルはhttps://github.com/ronglaiqian/UAMR-ShiftBench.comで公開されている。

関連論文リスト

• Comparing SGLD and a fixed-noise Predictor-Corrector adaptation in canonical Joint Energy-Based Models on CIFAR-10 [0.0]
  我々は、WideResNet-28-10上の標準合同エネルギーベースモデル(JEM)を、2つの独立したランで正規化レイヤなしで再現する。 我々は3つのプロトコルで固定ノイズPC適応(退化ノイズ予測器を決定論的ステップに置き換える)をテストする。 復元精度92.88%、バッファFID44.46(標準:92.9%、38.40)
  論文  参考訳（メタデータ） (2026-08-05T16:28:57Z)
• SagnacAssisted Enhanced OTDR for Distributed Acoustic Sensing: A Standardized Benchmark and Engineering Evaluation Framework [3.5435442578622127]
  本研究では,サニャック支援による$-OTDRセンシングアーキテクチャと,エンジニアリング指向のDASイベント認識のための標準ベンチマークフレームワークを開発する。 サニャック干渉計は、$$-OTDRチャネルにおけるフェーディング・パンの観測を補う連続的な位相応答を提供する。 6種類の音響クラスを持つ10km感光ファイバーを用いた実験により, 両分岐融合モデルが最も良好なトレードオフが得られた。
  論文  参考訳（メタデータ） (2026-06-04T06:29:25Z)
• STDA-Net: Spectrogram-Based Domain Adaptation for cross-dataset Sleep Stage Classification [3.30265216867318]
  STDA-Netは、スペクトログラムに基づく特徴抽出のための畳み込みニューラルネットワーク(CNN)、時間モデリングのためのaBiLSTMモジュール、ソース・ツー・ターゲット特徴アライメントのためのドメイン・逆ニューラルネットワーク(DANN)を組み合わせたフレームワークである。 その結果,提案フレームワークの平均精度は89.03%,マクロF1スコアは87.64%であった。
  論文  参考訳（メタデータ） (2026-05-07T13:10:00Z)
• 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)
• SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
  グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。 時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:42:45Z)
• HCFT: Hierarchical Convolutional Fusion Transformer for EEG Decoding [9.572621097681646]
  階層型脳核融合変換器(HCFT)という軽量な復号化フレームワークを提案する。 HCFTはマルチスケール表現のためにデュアルブランチエンコーダと階層トランスフォーマーブロックを組み合わせる。 その結果、HCFTは平均精度80.83%、BCI IV-2bではコーエンのカッパが0.6165であり、感度99.10%、時間当たり0.0236の偽陽性、CHB-MITでは98.82%であることがわかった。
  論文  参考訳（メタデータ） (2026-01-18T06:36:30Z)
• AHDMIL: Asymmetric Hierarchical Distillation Multi-Instance Learning for Fast and Accurate Whole-Slide Image Classification [51.525891360380285]
  AHDMILは非対称な階層的蒸留マルチインスタンス学習フレームワークである。 2段階のトレーニングプロセスを通じて、無関係なパッチを排除します。 分類性能と推論速度の両方において、従来の最先端手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:47:16Z)
• Dual-TSST: A Dual-Branch Temporal-Spectral-Spatial Transformer Model for EEG Decoding [2.0721229324537833]
  デュアルブランチ時間スペクトル空間変換器(Dual-TSST)を用いた新しいデコードアーキテクチャネットワークを提案する。 提案するDual-TSSTは様々なタスクにおいて優れており,平均精度80.67%の脳波分類性能が期待できる。 本研究は,高性能脳波デコーディングへの新たなアプローチを提供するとともに,将来のCNN-Transformerベースのアプリケーションにも大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-09-05T05:08:43Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)

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。