論文の概要: Acoustic UAV Detection in Battlefield Scenarios: Handling Noise, Domain Shift, and Weak Labels

• arxiv url: http://arxiv.org/abs/2608.14287v1
• Date: Fri, 14 Aug 2026 13:20:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.387698
• Title: Acoustic UAV Detection in Battlefield Scenarios: Handling Noise, Domain Shift, and Weak Labels
• Title（参考訳）: 戦場シナリオにおける音響的UAV検出:騒音、ドメインシフト、および弱ラベルの処理
• Abstract要約: 本稿では,実戦環境に最適化されたロバストなフレームワークを提案する。 本稿では,機能抽出を強化するため,パーチャネルエネルギー正規化(PCEN)とアテンションベースプールの統合を提案する。 ウクライナの前線からの戦闘ゾーン記録のユニークなデータセットを評価したところ、我々のアプローチは既存のベースラインを大きく上回っている。
• 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: Passive acoustic sensing offers a critical, cost-efficient, and, crucially, passive alternative for detecting small unmanned aerial vehicles. However, the practical deployment of acoustic systems is discouraged by extreme environmental noise and sensor-induced domain shift caused by heterogeneous hardware. This paper addresses these challenges by introducing a robust framework optimized for real-world battlefield conditions. We propose the integration of Per-Channel Energy Normalization (PCEN) and attention-based pooling to enhance feature extraction under low signal-to-noise ratio scenarios. We further propose a domain-aware training strategy that leverages auxiliary classes and multi-microphone data to mitigate cross-domain performance degradation. Evaluated on a unique dataset of combat-zone recordings from the Ukrainian frontlines, our approach significantly outperforms existing baselines, increasing the F1 score from 55.4% to 78.6%. This paper was originally presented at the International Conference on Military Communication and Information Systems (ICMCIS), organized by the Information Systems Technology (IST) Scientific and Technical Committee, IST-224-RSY - the ICMCIS, held in Bath, United Kingdom, 12-13 May 2026.
• Abstract（参考訳）: パッシブ・アコースティック・センシングは、小型無人航空機を検知するための重要な、費用効率、そして重要な、パッシブな代替手段を提供する。 しかし,音響システムの実用化は,異種ハードウェアによる極端環境騒音やセンサによるドメインシフトの影響を受けない。 本稿では,実戦環境に最適化されたロバストなフレームワークを導入することで,これらの課題に対処する。 本稿では,低信号対雑音比シナリオ下での特徴抽出を強化するために,パーチャネルエネルギー正規化(PCEN)とアテンションベースプールの統合を提案する。 さらに、補助クラスとマルチマイクロフォンデータを活用して、ドメイン間の性能劣化を軽減するドメイン認識トレーニング戦略を提案する。 ウクライナの前線からの戦闘ゾーン記録のユニークなデータセットに基づいて評価し、我々のアプローチは既存のベースラインを著しく上回り、F1スコアは55.4%から78.6%に増加した。 本論文は,2026年5月12～13日に英国バースで開催された情報システム技術科学技術委員会 (IST-224-RSY) が主催する国際軍事通信情報システム会議 (ICMCIS) で発表された。

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)
• Robust Cross-Domain WiFi Fall Detection via Physics-Driven Attention-Enhanced Transformers [64.35403680946182]
  WiFiチャンネル状態情報(CSI)を利用したデバイスフリーの転倒検出が,高齢者の健康モニタリングのための有望なソリューションとして浮上している。 既存のディープラーニングアプローチでは、目に見えない環境にデプロイされた場合、パフォーマンスが大幅に低下する。 本稿では,新しいCNN-Transformerハイブリッドアーキテクチャを特徴とする,堅牢で汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-23T03:28:12Z)
• MoE-Gyro: Self-Supervised Over-Range Reconstruction and Denoising for MEMS Gyroscopes [3.305383548025311]
  MoE-Gyroは、オーバレンジ信号の再構築とノイズ抑圧を同時に行うために設計された、自己監督型のフレームワークである。 また,MoE-Gyroは測定範囲を450deg/sから1500deg/sに大きく拡張し,バイアス不安定度を98.4%低減し,最先端性能を実現した。
  論文  参考訳（メタデータ） (2025-05-27T13:18:26Z)
• AquaSignal: An Integrated Framework for Robust Underwater Acoustic Analysis [0.0]
  AquaSignalは、水中音響信号の事前処理、復調、分類、新規検出のためのモジュール式でスケーラブルなパイプラインである。 システムは、DeepshipとOcean Networks Canada (ONC)ベンチマークの合計データセットで評価される。
  論文  参考訳（メタデータ） (2025-05-20T12:35:43Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• UAV Virtual Antenna Array Deployment for Uplink Interference Mitigation in Data Collection Networks [71.23793087286703]
  無人航空機(UAV)は、航空無線ネットワークと通信を確立するためのプラットフォームとして注目されている。 本稿では,複数UAVネットワークシステムにおける協調ビームフォーミング(CB)法に基づく新しいアップリンク干渉緩和手法を提案する。
  論文  参考訳（メタデータ） (2024-12-09T12:56:50Z)
• Description on IEEE ICME 2024 Grand Challenge: Semi-supervised Acoustic Scene Classification under Domain Shift [28.483681147793302]
  音響シーン分類(ASC)は,音響シーン解析において重要な研究課題である。 ASCタスクの課題の1つは、トレーニングとテストデータのドメインシフトである。 ICME 2024 Grand Challengeにおいて,ドメインシフトに基づく半教師付き音響シーン分類の課題を紹介した。
  論文  参考訳（メタデータ） (2024-02-05T03:12:51Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Cross-domain Adaptation with Discrepancy Minimization for Text-independent Forensic Speaker Verification [61.54074498090374]
  本研究では,複数の音響環境下で収集したCRSS-Forensicsオーディオデータセットを紹介する。 我々は、VoxCelebデータを用いてCNNベースのネットワークを事前訓練し、次に、CRSS-Forensicsのクリーンな音声で高レベルのネットワーク層の一部を微調整するアプローチを示す。
  論文  参考訳（メタデータ） (2020-09-05T02:54:33Z)

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。