論文の概要: WhiteNet: Robust Identification of Overlapping IEEE 802.11 Signals Across Unseen Channels

• arxiv url: http://arxiv.org/abs/2608.06581v1
• Date: Thu, 06 Aug 2026 20:50:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.287285
• Title: WhiteNet: Robust Identification of Overlapping IEEE 802.11 Signals Across Unseen Channels
• Title（参考訳）: WhiteNet: IEEE 802.11の重複するチャネルのロバスト識別
• Abstract要約: We present WhiteNet, a framework that address the problem of channel variability in I/Q sample。 中心となる考え方はスペクトル白化(Spectrum Whitening)である。 ホワイトネットは、未確認のチャンネル条件によって生じる精度ギャップのかなりの部分を閉じる一方で、従来の技術に比べて7.7倍のパラメータを使用する。
• 参考スコア（独自算出の注目度）: 4.152402057495665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning (DL) classifiers trained on I/Q samples achieve high accuracy for IEEE 802.11 protocol identification of overlapping signals, but their performance degrades sharply when channel conditions at deployment differ from those encountered during training. We present WhiteNet, a framework that addresses the problem of channel variability in I/Q samples. The central idea is spectral whitening, a physics-grounded preprocessing step that suppresses frequency-selective fading while preserving protocol-discriminative features. To reduce dependence on costly multi-transmitter over-the-air captures for training, we complement it with a synthetic overlap mixer featuring a physically accurate per-transmitter channel and shared-receiver signal chain for pre-training without extensive field data collection. On public over-the-air IEEE 802.11 data, WhiteNet closes a substantial portion of the accuracy gap caused by unseen channel conditions while using 7.7 times fewer parameters than the prior state of the art, and optionally distills to compact variants for coarse spectrum awareness on power-constrained edge devices.
• Abstract（参考訳）: I/Qサンプルでトレーニングされた深層学習(DL)分類器は、重複する信号のIEEE 802.11プロトコル識別において高い精度を達成するが、その性能は訓練中に発生するものと異なるチャネル条件で著しく低下する。 We present WhiteNet, a framework that address the problem of channel variability in I/Q sample。 中心となる考え方はスペクトル白化(Spectrum Whitening)である。これは物理基底のプリプロセッシングステップで、プロトコルの識別的特徴を保持しながら周波数選択的なフェージングを抑制する。 トレーニング用マルチ送信機オーバー・ザ・エアキャプチャーへの依存を低減するため,フィールドデータ収集を伴わずに,物理的に正確な送信機間通信路と共有受信機信号チェーンを備えた合成オーバーラップ・ミキサーを補足する。 一般のIEEE 802.11データでは、ホワイトネットは未確認のチャネル条件によって生じる精度ギャップのかなりの部分を閉じ、従来の最先端の7.7倍のパラメータを使用し、オプションで電力制約エッジデバイス上で粗いスペクトル認識のためにコンパクトな変種に蒸留する。

関連論文リスト

• Non-Coherent Over-the-Air Federated Learning: Protocol, Convergence, and Device Scheduling [32.15907297197385]
  単一アンテナMAC上の非コヒーレントAirFLプロトコル。 単一アンテナMAC上の非コヒーレントなAirFLプロトコルは、バイナリディザリング、非コヒーレントなエラーフィードバックを活用する。
  論文  参考訳（メタデータ） (2026-09-08T06:34:13Z)
• Low-Latency Task-Oriented Image Transmission with Opportunistic Spectrum Access [37.035055508673466]
  タスク指向の通信ではなく、信頼性の高いデータ再構成のために設計された通信システムは、典型的には、異なるソースとチャネルのコーディングに依存し、スペクトルの可用性とフェージングチャネルの遅延が制限される。 本稿では,ベクトル量子化変分オートエンコーダを用いて学習した離散遅延表現を,標準ディジタル変調を用いたアイドルチャネル上で送信する機会論的スペクトルアクセスを用いた伝送フレームワークを提案する。 提案手法は,従来のソースコードを用いたベンチマークと比較すると,分類精度が5.7%,2.4%低下し,少なくとも79倍のレイテンシ低減を実現している。
  論文  参考訳（メタデータ） (2026-07-02T09:18:24Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• Benchmarking Dataset for Presence-Only Passive Reconnaissance in Wireless Smart-Grid Communications [2.721477719641864]
  本稿では,一様無線および有線リンクを持つ有線ホームエリアネットワーク(HAN),近隣エリアネットワーク(NAN)および広帯域ネットワーク(WAN)通信グラフ上での受動偵察のためのIEEEに着想を得た文献アンコール型ベンチマーク・データセット・ジェネレータを提案する。
  論文  参考訳（メタデータ） (2026-03-10T12:39:03Z)
• Unlocking High-Fidelity Analog Joint Source-Channel Coding on Standard Digital Transceivers [54.82164616081277]
  D2AJSCCは、標準デジタルPHY上に高忠実度アナログJ SCCをデプロイできる新しいフレームワークである。 本システムは,SNR条件にまたがる優雅な劣化を伴って,ほぼ理想のアナログJ SCC性能を実現する。 ハードウェア変更なしにレガシーインフラストラクチャ上で次世代のセマンティックトランスミッションを可能にすることで,ネットワークの持続的進化を促進する。
  論文  参考訳（メタデータ） (2026-03-10T01:42:23Z)
• CP Loss: Channel-wise Perceptual Loss for Time Series Forecasting [67.3477355449697]
  時系列データに対するチャネルワイド知覚損失(CP損失)を提案する。 我々は,その特性に適応した各チャネルに対して,独自の知覚空間を学習する。 これらの知覚空間内で損失を計算し、モデルを最適化する。
  論文  参考訳（メタデータ） (2026-01-25T15:31:37Z)
• Protecting Human Activity Signatures in Compressed IEEE 802.11 CSI Feedback [47.92071142695203]
  本稿では,決定論的角量子化を,送信ビーム形成行列のGivensパラメータに直接適用する$varepsilon$-DP量子化器に置き換える,標準互換な固有プライベート(DP)量子化機構を提案する。 このメカニズムは802.11のフィードバック構造を保持し、角表現のクローズドフォーム感度境界を認め、原則化されたプライバシーキャリブレーションを可能にする。
  論文  参考訳（メタデータ） (2025-12-20T22:51:38Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• T-PRIME: Transformer-based Protocol Identification for Machine-learning at the Edge [7.170870264936032]
  T-PRIMEはTransformerベースの機械学習アプローチである。 送信フレームの構造設計をアテンション機構を通じて学習する。 これは、DeepWaveのAIR-Tプラットフォーム上でのT-PRIMEのリアルタイム実現可能性を厳格に分析します。
  論文  参考訳（メタデータ） (2024-01-09T22:01:55Z)
• 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)
• Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
  無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。 本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-19T19:15:34Z)

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。