論文の概要: Radar Detection in the CBRS Band: Techniques, Challenges, and Future Directions
- arxiv url: http://arxiv.org/abs/2608.01786v1
- Date: Mon, 03 Aug 2026 07:00:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.364206
- Title: Radar Detection in the CBRS Band: Techniques, Challenges, and Future Directions
- Title（参考訳）: CBRSバンドにおけるレーダ検出:技術・課題・今後の方向性
- Abstract要約: 3.5GHzシチズン・ブロードバンド・ラジオ・サービス(CBRS)は、政府系と商用ネットワークの両方で同じ周波数帯を使用できる無線バンドである。
重要な政府システムとの干渉を防ぐため、CBRSは環境センシング能力(ESC)と呼ばれる監視システムを使用している。
本稿では,CBRS帯域内でのレーダ信号の検出方法について概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The 3.5 GHz Citizens Broadband Radio Service (CBRS) is a shared wireless band that allows both government systems and commercial networks (such as private LTE/5G) to use the same spectrum. To prevent interference with critical government systems, especially naval radars, CBRS uses a monitoring system called the Environmental Sensing Capability (ESC). ESC acts like a network of sensors that continuously listens for radar signals and alerts the system when they are detected, so commercial users can temporarily stop or adjust their transmissions. This paper reviews how radar signals are detected within the CBRS band. We first explain the regulatory framework and describe the types of radar signals that need to be identified. We then examine traditional detection methods, such as energy-based and pattern-matching techniques, and compare them with newer approaches based on machine learning and deep learning, which can automatically learn to recognize radar signals from data. We also review publicly available datasets and testing platforms used to evaluate these detection methods, along with key performance requirements such as high detection accuracy (e.g., 99% detection probability (radar overlap recall)) and low delay (e.g., within 60 seconds). Finally, we highlight current challenges, including false alarms, interference from modern wireless systems, and the need for real-time operation. Overall, this survey shows that while traditional methods are simple and reliable in controlled settings, modern learning-based approaches offer better performance in complex environments. The future of CBRS radar detection will likely combine both approaches to achieve accurate, fast, and robust performance in real-world deployments.
- Abstract（参考訳）: 3.5GHzシチズンブロードバンド無線サービス(CBRS)は、政府システムと商用ネットワーク(例えば、プライベートLTE/5G)の両方が同じ周波数帯を使用できる共有無線バンドである。
重要な政府システム、特に海軍レーダーとの干渉を防ぐため、CBRSは環境センシング能力(ESC)と呼ばれる監視システムを使用している。
ESCは、レーダー信号に継続的に耳を傾け、検知されたらシステムに警告を発するセンサーのネットワークのように振る舞う。
本稿では,CBRS帯域内でのレーダ信号の検出方法について概説する。
まず、規制の枠組みを説明し、識別する必要があるレーダー信号の種類を説明します。
次に、エネルギーベースやパターンマッチングといった従来の検出手法を検証し、機械学習やディープラーニングに基づく新しいアプローチと比較し、データからレーダ信号を自動的に認識する。
また、これらの検出方法を評価するために使用される公開データセットやテストプラットフォームについても、高い検出精度(例:99%の検出確率(レーダーオーバーラップリコール)、低遅延(例:60秒以内)などの重要なパフォーマンス要件をレビューする。
最後に、誤報、現代の無線システムからの干渉、リアルタイム操作の必要性など、現在の課題を強調します。
全体として、従来の手法は制御された環境ではシンプルで信頼性が高いが、現代の学習ベースのアプローチは複雑な環境においてより良いパフォーマンスを提供する。
CBRSレーダ検出の未来は、現実のデプロイメントにおいて正確で高速で堅牢なパフォーマンスを達成するために、両方のアプローチを組み合わせる可能性が高い。
関連論文リスト
- AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。
本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
論文 参考訳（メタデータ） (2026-08-12T08:42:05Z) - Few-Shot Radar Signal Recognition through Self-Supervised Learning and Radio Frequency Domain Adaptation [48.265859815346985]
レーダー信号認識は電子戦(EW)において重要な役割を果たす
近年のディープラーニングの進歩は、レーダー信号認識の改善に大きな可能性を示している。
これらの手法は、注釈付き無線周波数(RF)データが少ない、あるいは入手できないEWシナリオでは不十分である。
論文 参考訳（メタデータ） (2025-01-07T01:35:56Z) - Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
無線信号認識は電子戦において重要な機能である。
電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。
ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
論文 参考訳（メタデータ） (2023-12-15T01:56:27Z) - Echoes Beyond Points: Unleashing the Power of Raw Radar Data in
Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。
具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文 参考訳（メタデータ） (2023-07-31T09:53:50Z) - ADCNet: Learning from Raw Radar Data via Distillation [3.519713957675842]
レーダーベースのシステムは、LiDARベースのシステムよりも低コストで、悪天候に対して堅牢である。
最近の研究は、最終的なレーダー点雲の代わりに、生のレーダーデータを消費することに焦点を当てている。
我々は,信号処理パイプラインの要素を我々のネットワークに持ち込み,信号処理タスクの事前学習を行うことで,検出性能の状態を達成できることを示す。
論文 参考訳（メタデータ） (2023-03-21T13:31:15Z) - Unsupervised Domain Adaptation across FMCW Radar Configurations Using
Margin Disparity Discrepancy [17.464353263281907]
本研究では、ディープラーニングの人間活動分類の文脈において、レーダー構成にまたがる非教師なし領域適応の問題を考える。
我々は、コンピュータビジョンの分野ですでに成功している、Margin Disparity Discrepancyの理論に触発されたテクニックに焦点を当てた。
我々の実験は、この手法をレーダーデータに拡張し、同じ分類問題に対する少数ショット教師付きアプローチに匹敵する精度を達成した。
論文 参考訳（メタデータ） (2022-03-09T09:11:06Z) - RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks [40.736632681576786]
本稿では,レーダシステムデータストリーム中の異常を検出するためのディープラーニングに基づく手法を提案する。
提案手法により,データストリーム内のクリティカルフィールドの不正な操作を検出することができる。
実験では,様々なデータストリーム操作攻撃に対して高い検出精度を示す。
論文 参考訳（メタデータ） (2021-06-13T19:16:37Z) - Rethinking of Radar's Role: A Camera-Radar Dataset and Systematic
Annotator via Coordinate Alignment [38.24705460170415]
CRUWと呼ばれる新しいデータセットを体系的なアノテーションとパフォーマンス評価システムで提案する。
CRUWは、レーダーの無線周波数(RF)画像から3Dのオブジェクトを純粋に分類し、ローカライズすることを目指しています。
私たちの知る限り、CRUWは体系的なアノテーションと評価システムを備えた最初の公開大規模データセットです。
論文 参考訳（メタデータ） (2021-05-11T17:13:45Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z) - Experiments with mmWave Automotive Radar Test-bed [10.006245521984697]
新しいAdaptive Driver Assisted Systems(ADAS)をサポートするために、ミリ波(mmW)レーダーが商用車にますます統合されている。
テキサス・インスツルメンツ(TI)の自動車チップセットをベースとしたFMCWレーダの試作を行った。
論文 参考訳（メタデータ） (2019-12-29T02:14:12Z)
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。