論文の概要: Deciphering Region-Level Signatures from Latency Measurements in LEO Satellite Internet

• arxiv url: http://arxiv.org/abs/2606.29324v1
• Date: Sun, 28 Jun 2026 10:35:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.876983
• Title: Deciphering Region-Level Signatures from Latency Measurements in LEO Satellite Internet
• Title（参考訳）: LEO衛星インターネットにおける遅延測定による領域レベル信号の解読
• Abstract要約: 低地球軌道(LEO)衛星インターネットは、世界的なユーザ層をカバーできるインフラとして欠かせないものとなっている。 パブリックなLENSデータセットから,Starlinkラウンドトリップ時間(RTT)の測定値を用いて,領域レベルの遅延特性を定式化する。 そこで我々は,生RTT配列をマルチスケールな統計特徴に変換する階層的解析フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 22.1034989583142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-Earth orbit (LEO) satellite Internet has become an indispensable infrastructure that provide growing coverage for global users. Despite extensive measurement efforts, the principles underlying region-level performance characteristics remain insufficiently understood, limiting the ability to identify region-specific latency signatures under dynamic network conditions. In this paper, we formulate the problem of region-level latency characterization using Starlink round-trip time (RTT) measurements from the public LENS dataset. We then propose a hierarchical analytical framework that transforms raw RTT sequences into multi-scale statistical features for cross-region comparison. Using data from five geographically representative regions, we demonstrate that latency differences are strongly associated with deployment factors, particularly infrastructure availability and Starlink dish-to-Point-of-Presence distance. Mutual information analysis identifies minimum RTT as the most discriminative feature, which is further supported by XGBoost-based feature importance. The proposed model well achieves 83% accuracy on short-term data. However, its performance degrades over longer periods, indicating limited temporal generalization and motivating the need for adaptive models and feature representations for long-term performance in the future.
• Abstract（参考訳）: 低地球軌道(LEO)衛星インターネットは、世界的なユーザ層をカバーできるインフラとして欠かせないものとなっている。 広範な測定努力にもかかわらず、リージョンレベルのパフォーマンス特性の基礎となる原則は十分に理解されておらず、動的ネットワーク条件下でリージョン固有の遅延シグネチャを識別する能力が制限されている。 本稿では、パブリックLENSデータセットから、Starlinkラウンドトリップ時間(RTT)測定を用いて、領域レベルの遅延特性を定式化する。 そこで我々は,生RTT配列をマルチスケールな統計特徴に変換する階層的解析フレームワークを提案する。 地理的に代表される5つのリージョンのデータを用いて、レイテンシの差がデプロイメント要因、特にインフラの可用性とStarlinkのプレゼンス間距離に強く関係していることを示します。 相互情報分析は、最小RTTを最も差別的な特徴として認識し、XGBoostベースの特徴の重要性によってさらに支持される。 提案手法は,短期データに対して83%の精度を実現している。 しかし、その性能は長期にわたって劣化し、時間的一般化が限られており、将来は適応モデルや機能表現の必要性が動機となっている。

関連論文リスト

• Wireless Traffic Prediction with Large Language Model [54.07581399989292]
  TIDESは、無線トラフィック予測のための空間時間相関をキャプチャする新しいフレームワークである。 TIDESは過剰なトレーニングオーバーヘッドを発生させることなく、ドメイン固有のパターンへの効率的な適応を実現する。 この結果から,将来の6Gシステムにおいて,空間認識をLCMベースの予測器に統合することが,スケーラブルでインテリジェントなネットワーク管理の鍵であることが示唆された。
  論文  参考訳（メタデータ） (2025-12-19T04:47:40Z)
• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• Learning Unified System Representations for Microservice Tail Latency Prediction [8.532290784939967]
  マイクロサービスアーキテクチャは、スケーラブルなクラウドネイティブアプリケーションを構築するためのデファクトスタンダードになっています。 従来のアプローチでは、要求毎のレイテンシメトリクスに依存しており、過渡的なノイズに非常に敏感です。 我々は,トラフィック側とリソース側の機能を明確に分離し,モデル化するディープラーニングネットワークであるUSRFNetを提案する。
  論文  参考訳（メタデータ） (2025-08-03T07:46:23Z)
• Beyond Data Points: Regionalizing Crowdsourced Latency Measurements [6.921364920053057]
  インターネットのパフォーマンスをサンプリングするための安定な境界を構築するために,クラウドソーシングデータセットの空間解析を行う。 サンプリングバウンダリの安定性は、インターネットのパフォーマンス格差の真の性質を反映する。 これらの結果は,インターネット性能の分布を正確に評価し,最適化する上で,空間モデルの重要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-05-18T01:39:22Z)
• Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
  本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。 軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。 提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
  論文  参考訳（メタデータ） (2024-04-02T11:59:58Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [53.03380679343968]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Traffic Flow Forecasting with Spatial-Temporal Graph Diffusion Network [39.65520262751766]
  我々は新しい交通予測フレームワーク-時空間グラフ拡散ネットワーク(ST-GDN)を開発した。 特にST-GDNは階層的に構造化されたグラフニューラルネットワークアーキテクチャであり、局所的な地域的な地理的依存関係だけでなく、グローバルな視点から空間的意味論も学習する。 複数の実生活トラフィックデータセットの実験では、ST-GDNは最先端のベースラインの異なるタイプよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2021-10-08T11:19:06Z)
• Domain-Adversarial Training of Self-Attention Based Networks for Land Cover Classification using Multi-temporal Sentinel-2 Satellite Imagery [0.0]
  ほとんどの実用的なアプリケーションはラベル付きデータには依存せず、この分野では調査は時間のかかるソリューションである。 本稿では,異なる地理的領域間のドメイン不一致を橋渡しする深層ニューラルネットワークの対比訓練について検討する。
  論文  参考訳（メタデータ） (2021-04-01T15:45:17Z)
• Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph Convolutional Networks [110.80088437391379]
  SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。 深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。 その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
  論文  参考訳（メタデータ） (2021-03-13T06:56:29Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)

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。