論文の概要: Compound Interference Recognition for LR-FHSS Satellite IoT Uplinks via Multi-Domain Instance Fusion
- arxiv url: http://arxiv.org/abs/2607.11488v1
- Date: Mon, 13 Jul 2026 12:45:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.466858
- Title: Compound Interference Recognition for LR-FHSS Satellite IoT Uplinks via Multi-Domain Instance Fusion
- Title（参考訳）: 多元核融合によるLR-FHSS衛星IoTアップリンクの複合干渉認識
- Authors: H. Xu, B. He, S. Wang, Y. Jiang,
- Abstract要約: LR-FHSS(Long Range- frequency Hopping spread spectrum)は、地球低軌道衛星Internet of Thingsの物理層である。
本稿では,LR-FHSSアップリンク複合干渉認識を多言語多言語学習問題として定式化する。
提案手法は,時間領域と周波数領域からローカルインスタンスを抽出し,バッグレベルのマルチラベル認識のための予測を集約する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long range-frequency hopping spread spectrum (LR-FHSS) is a promising uplink physical layer for massive low Earth orbit satellite Internet of Things, where low power terminals report short packets from wide area regions with limited terrestrial infrastructure. However, satellite IoT links are exposed to external interference, and the coexistence of multiple interference components can severely degrade receiver reliability and complicate interference mitigation. Existing recognition methods either focus on single interference scenarios or treat each compound interference combination as an independent class, leading to limited generalization or poor scalability. To address this problem, this paper formulates LR-FHSS uplink compound interference recognition as a multi-instance multi-label learning problem and proposes a multi-domain instance fusion method. The proposed method fuses local instances from the time-frequency and frequency domains and aggregates their predictions for bag-level multi-label recognition. A dataset construction pipeline is developed based on the US915 LR-FHSS configuration and incorporates shadowed-Rician fading and time-varying Doppler to emulate practical satellite communication conditions. Considering the difficulty of obtaining labeled compound interference samples in practice, single-to-compound generalization and few-shot compound interference adaptation are investigated as two practical receiver deployment scenarios. Experimental results show that the proposed method improves the overall exact accuracy over the strongest baseline by 14.71 percentage points in single-to-compound generalization and by 14.81 percentage points in few-shot compound interference adaptation for $r=1$.
- Abstract（参考訳）: 長距離ホッピング拡散スペクトル (LR-FHSS) は、地球低軌道衛星Internet of Things(英語版)のための有望なアップリンク物理層であり、低電力端末は地上インフラが限られている広い地域から短いパケットを報告している。
しかし、衛星IoTリンクは外部の干渉にさらされ、複数の干渉コンポーネントの共存は、受信者の信頼性を著しく低下させ、干渉緩和を複雑にする可能性がある。
既存の認識手法は単一干渉シナリオにフォーカスするか、それぞれの複合干渉の組み合わせを独立したクラスとして扱うかのいずれかであり、限定的な一般化やスケーラビリティの低下につながる。
この問題を解決するために,LR-FHSSアップリンク複合干渉認識を多言語多言語学習問題として定式化し,マルチドメインインスタンス融合法を提案する。
提案手法は,時間領域と周波数領域からローカルインスタンスを抽出し,バッグレベルのマルチラベル認識のための予測を集約する。
データセット構築パイプラインはUS915 LR-FHSS構成に基づいて開発され、実際の衛星通信条件をエミュレートするためにシャドードライと時間変化ドップラーが組み込まれている。
ラベル付き化合物干渉サンプルを実際に取得することの難しさを考慮し, 2つの実用的な受信機配置シナリオとして, 単発化合物干渉の一般化と少数発化合物干渉適応について検討した。
実験結果から,提案手法は最強ベースラインの精度を1対1の一般化で14.71ポイント,小ショット複合干渉適応で14.81ポイント向上し,r=1$となった。
関連論文リスト
- WILD-SAM: Phase-Aware Expert Adaptation of SAM for Landslide Detection in Wrapped InSAR Interferograms [5.326496857825592]
ラップ型干渉計を用いた地すべり検出のためのパラメータ効率の良い微調整フレームワークWILD-SAMを提案する。
このアーキテクチャは、PA-MoEアダプタを冷凍エンコーダに統合し、スペクトル分布を整列させる。
ISSLIDEとISSLIDE+ベンチマークの実験は、WILD-SAMが最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-04-16T02:16:29Z) - Wireless Federated Multi-Task LLM Fine-Tuning via Sparse-and-Orthogonal LoRA [61.12136997430116]
低ランク適応(LoRA)に基づく分散連合学習(DFL)により、マルチタスクデータセットを持つモバイルデバイスは、ローカルに更新されたパラメータを、無線接続を介して近隣デバイスのサブセットと交換することで、大きな言語モデル(LLM)を協調的に微調整することができる。
不均一データセットに微調整されたパラメータを直接集約すると、DFLライフサイクルの3つの主要な問題が発生する: (i) 微調整プロセス中に忘れる破滅的な知識、(ii) データの異種性に起因する更新方向の矛盾に起因する。
論文 参考訳（メタデータ） (2026-02-24T02:45:32Z) - 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) - PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。
静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。
高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
論文 参考訳（メタデータ） (2026-01-19T07:57:52Z) - 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) - Isolation-based Spherical Ensemble Representations for Anomaly Detection [60.989157958972356]
不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。
既存の教師なし異常検出手法は、分散仮定の矛盾、計算の非効率性、異なる異常型を扱う難しさなど、基本的な課題に直面している。
Isolation-based Spherical Ensemble Representations (ISER) は, 局所密度特性のプロキシとしてハイパースフィアラジイを用いて, 線形時間と定数空間の複雑さを保ちながら, 既存の分離法を拡張したものである。
論文 参考訳（メタデータ） (2025-10-15T09:00:05Z) - PAUL: Uncertainty-Guided Partition and Augmentation for Robust Cross-View Geo-Localization under Noisy Correspondence [16.322806051944227]
クロスビュージオローカライゼーションは、UAVナビゲーション、イベント検出、および航空測量にとって重要な課題である。
既存のほとんどのアプローチは、ペア画像の類似性を最大化するために、マルチモーダルデータをジョイントな特徴空間に埋め込む。
これらの手法は通常、トレーニング中にイメージペアの完全なアライメントを前提とします。
論文 参考訳（メタデータ） (2025-08-27T17:21:22Z) - Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する
本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。
本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
論文 参考訳（メタデータ） (2024-09-23T15:20:33Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳（メタデータ） (2022-10-23T05:57:39Z)
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。