論文の概要: Calibrated RF-Fingerprinting Under Interference With Heterogeneous Transmission Protocols

• arxiv url: http://arxiv.org/abs/2609.20765v1
• Date: Thu, 17 Sep 2026 17:44:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.408851
• Title: Calibrated RF-Fingerprinting Under Interference With Heterogeneous Transmission Protocols
• Title（参考訳）: 不均一伝送プロトコルとの干渉によるRFフィンガープリントの校正
• Abstract要約: RF(Radio Frequency)-Fingerprintingはスペクトルモニタリング技術であり、出力信号内に印字されたハードウェア障害に基づいて特定の送信機を特定する。 この問題を多ラベル分類問題として定式化し、1次元畳み込みニューラルネットワーク(CNN)を用いる。 提案手法は,802.11a(Wi-Fi),4G LTE,5G NRを伝送するデバイス上での5Gテストベッドからの実世界データを用いて検証した。
• 参考スコア（独自算出の注目度）: 0.8768231997976864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio Frequency(RF)-Fingerprinting is a spectrum monitoring technique that identifies specific transmitters based on hardware impairments imprinted within the emitted signal. Although widely researched, studies almost exclusively consider scenarios where only one transmitter is emitting at a time, limiting real world applicability. In this work, we further the study of RF-Fingerprinting by considering co-channel interference, with multiple emitted signals interfering with each other, overlapping in time and frequency. Specifically, we formulate this problem as a multi-label classification problem and employ a 1D convolutional neural network (CNN). Furthermore, the models are calibrated such that the confidence thresholds for the label probabilities are derived, with guarantees on the upper bound on the average number of False Negatives, providing a degree of confidence in not missing a true spectrum policy violation. The proposed method is validated using real world data from the POWDER 5G testbed on devices transmitting 802.11a(Wi-Fi), 4G LTE, and 5G NR waveforms. The results show accuracy as high as 97% and as low as 73% after calibration depending on channel conditions. Also calibrating for various average false negatives upper bounds achieves micro recall scores of approximately (1 - calibrated false negatives) with the calibration robust to out-of-distribution interference, demonstrating the potential of the proposed method in a realistic high contention wireless environment
• Abstract（参考訳）: RF(Radio Frequency)-Fingerprintingはスペクトルモニタリング技術であり、出力信号内に印字されたハードウェア障害に基づいて特定の送信機を特定する。 広く研究されているが、研究はほとんどの場合、1つの送信機だけが一度に放出されるシナリオを考慮し、現実の応用性を制限する。 本研究は、複数の出力信号が相互に干渉し、時間と周波数が重なる共チャネル干渉を考慮したRF-Fingerprintingの研究をさらに進める。 具体的には、この問題を多ラベル分類問題として定式化し、1次元畳み込みニューラルネットワーク(CNN)を用いる。 さらに、ラベル確率に対する信頼しきい値が導出され、False Negativesの平均値上の上限が保証され、真のスペクトルポリシー違反を欠くことのない信頼度が保証されるように、モデルを校正する。 提案手法は,802.11a(Wi-Fi),4G LTE,5G NR波形を伝送するデバイス上でのPOWDER 5Gテストベッドからの実世界データを用いて検証した。 その結果,キャリブレーション後の精度は97%,キャリブレーション後73%であった。 また、様々な平均的偽陰性上限の校正は、分布外干渉に頑健な校正による約1-校正偽陰性値のマイクロリコールスコアを達成し、現実的な高競合無線環境における提案手法の可能性を示す。

関連論文リスト

• RF-VoID: Towards Bandwidth-Efficient Exterior Tile Void Detection via Narrowband Radio-Frequency Representation Learning [26.146393494302547]
  ミリ波レーダーは、外装のセラミックタイルの後ろに隠れたデボンドを見つけるための非接触的な方法を提供する。 従来の解釈はまずレンジプロファイルを再構成するので、その信頼性は利用可能な帯域幅によって制限される。 この研究は、帯域幅を計算のために交換できるかどうかを問うものである。
  論文  参考訳（メタデータ） (2026-09-11T03:18:37Z)
• From Inaudible Inputs to Model Failures: Low-Frequency Safety Risks in LALMs [46.76277198630859]
  大規模な音声言語モデル (LALM) は多様な音声入力を理解する強力な能力を示している。 この多様性には、人間には聞こえない低周波信号が含まれているが、それでもモデルに入り、その生成に影響を与えることができる。 ブラックボックス設定における普遍的な波形テンプレートを用いて,このリスクを評価可能な赤信号抽出手法である Intermittent Low-Frequency Lockout (ILL) を提案する。
  論文  参考訳（メタデータ） (2026-08-10T06:09:50Z)
• WhiteNet: Robust Identification of Overlapping IEEE 802.11 Signals Across Unseen Channels [4.152402057495665]
  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。
  論文  参考訳（メタデータ） (2026-08-06T20:50:50Z)
• Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion [46.51681899437508]
  本稿では,パラメータフリーで時間条件付き2D-DCTローパス演算子であるSpectral Forcingを導入する。 その遮断は拡散時間とともに単調に膨張し、データエンドポイントのアイデンティティとなる。 JiT-700M/32のImageNet-256では、Spectral Forcingは、異なるトレーニングエポック間で、FIDとInception Scoreの両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-06-13T10:29:11Z)
• Transmitter Identification via Volterra Series Based Radio Frequency Fingerprint [3.7848713545513317]
  RFF(Radio Frequency Fingerprinting)は、暗号を必要とせず、偽造に抵抗するため、有望な解決策を提供する。 既存のRFFアプローチは、しばしば統一理論と効果的な特徴抽出を欠いている。 本研究では,送信機をブラックボックスとしてモデル化し,送信信号への影響を分析する。 パブリックなLoRaデータセットの実験では、静的チャネルでは98%以上の精度で、マルチパスとドップラー効果下で90%以上の精度で、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-10-22T10:11:41Z)
• 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)
• RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
  本稿では、深層学習手法を利用したデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。 本論文の主な貢献は、RF信号データセットであるRF Challengeの導入である。
  論文  参考訳（メタデータ） (2024-09-13T13:53:41Z)
• Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
  グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。 オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
  論文  参考訳（メタデータ） (2023-05-19T23:52:48Z)
• Classification of Common Waveforms Including a Watchdog for Unknown Signals [9.928597392387186]
  受信信号サンプルの分類に深層パーセプトロンモデルを用いた場合について検討する。 深層CNNアーキテクチャを持つオートエンコーダについても検討し,未知の波形タイプの新しい第5の分類カテゴリを作成する。
  論文  参考訳（メタデータ） (2021-08-16T20:36:46Z)
• Supervised Neural Networks for RFI Flagging [0.0]
  既存のRFIフラグング技術であるAOFlaggerを基盤として、実測データをフラグングするための2つの機械学習アプローチを実証した。 この方法では、ベースライン毎のブールフラグマップを高い精度で予測することができ、リコールは0.69、精度は0.83、アンF1スコアは0.75である。
  論文  参考訳（メタデータ） (2020-07-29T06:57:36Z)

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。