論文の概要: RF Fingerprinting of DSP Implementations using Machine Learning: An Over-the-Air Case Study

• arxiv url: http://arxiv.org/abs/2610.15494v1
• Date: Sun, 11 Oct 2026 09:47:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 18:19:04.90147
• Title: RF Fingerprinting of DSP Implementations using Machine Learning: An Over-the-Air Case Study
• Title（参考訳）: 機械学習によるDSP実装のRFフィンガープリンティング--オーバー・ザ・エアケーススタディ
• Abstract要約: 本研究では,送信機のディジタル信号処理実装の違いを放射信号から識別できるかどうかを検討する。 監視受信機において、分類器は畳み込みニューラルネットワークを用いてこれらのDSP実装を識別することができる。 最高のニューラルネットワークはIQとパワースペクトル表現を組み合わせて最大90%の精度を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Radio frequency fingerprinting aims to identify transmitters by exploiting small differences in the emitted signal waveform. Common approaches exploit hardware-dependent imperfections for that purpose. This work instead investigates whether differences between digital signal processing implementations of a transmitter can be identified from their radiated signals. As a practical case study, five different software-based DSP implementations for generating a 2-FSK RTTY communication waveform are considered. In a monitoring receiver, a classifier can identify these DSP implementations using convolutional neural networks that are trained on augmented software-generated signals represented as raw IQ, power spectrum or instantaneous frequency. The trained networks are evaluated on over-the-air recordings obtained using a shortwave transceiver and a software-defined radio receiver. The best neural network combines IQ and the power spectrum representation and achieves an accuracy of up to 90%. The study further examines the influence of the signal SNR and the observation bandwidth on the classification accuracy. The results demonstrate that DSP implementations leave distinguishable characteristics in the transmitted signals and suggest that DSP-dependent fingerprinting can provide complementary information for specific emitter identification systems.
• Abstract（参考訳）: 高周波フィンガープリントは、出力された信号波形の小さな差を利用して送信者を識別することを目的としている。 一般的なアプローチは、その目的のためにハードウェア依存の欠陥を利用する。 本研究は,送信機のディジタル信号処理実装の違いを放射信号から識別できるかどうかを検討する。 実例として,2-FSK RTTY通信波形を生成するソフトウェアベースのDSP実装を5種類検討した。 監視受信機において、分類器は、生のIQ、パワースペクトル、即時周波数で表される拡張ソフトウェア生成信号に基づいて訓練された畳み込みニューラルネットワークを用いてこれらのDSP実装を識別することができる。 トレーニングされたネットワークは、短波トランシーバとソフトウェア定義無線受信機を用いて得られた無線記録に基づいて評価される。 最高のニューラルネットワークはIQとパワースペクトル表現を組み合わせて最大90%の精度を達成する。 さらに,信号SNRと観測帯域が分類精度に与える影響について検討した。 その結果, DSP 実装は送信信号に識別可能な特性を残しており, DSP 依存型指紋認証が特定のエミッタ識別システムに相補的な情報を提供する可能性が示唆された。

関連論文リスト

• Spectrum Shortage for Radio Sensing? Leveraging Ambient 5G Signals for Human Activity Detection [5.225254533678075]
  Ambient Radio Sensing (ARS) はISACのアプローチであり、無線信号を無線で再送することでスペクトルの希少性に対処する。 ARSは、受動的に通信信号を受信し、それを増幅して周囲の物体を照らし、反射した信号をキャプチャするスタンドアロンデバイスとして機能する。 我々は,ARSのプロトタイプを開発し,周辺5G信号を用いた広範囲な実験によりその有効性を検証した。
  論文  参考訳（メタデータ） (2026-03-03T23:18:03Z)
• Addressing Noise and Stochasticity in Fraud Detection for Service Networks [11.752120973078116]
  サービスネットワークにおける不正検出のための情報ボトルネック理論(SGNN-IB)に基づく新しいスペクトルグラフネットワークを開発した。 最初の制限のために、SGNN-IBはエンコードされた表現の重要な特徴を抽出するために情報ボトルネック理論を適用している。 第2の制限のために、SGNN-IBは信号の周波数特性を保存し、信号融合を実装するためのプロトタイプ学習を導入した。
  論文  参考訳（メタデータ） (2025-05-02T01:17:03Z)
• 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)
• Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
  本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。 本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。 合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
  論文  参考訳（メタデータ） (2023-06-19T12:01:28Z)
• Federated Learning for Distributed Spectrum Sensing in NextG Communication Networks [3.509171590450989]
  NextGネットワークは、既存のユーザとスペクトルを共有する柔軟性を提供することを目的としている。 無線センサのネットワークは、大規模な展開領域における信号伝達のスペクトルを監視するために必要である。 精度を向上させるために、個々のセンサは、センサーデータまたはセンサー結果を相互または融合センタで交換することができる。
  論文  参考訳（メタデータ） (2022-04-06T18:18:42Z)
• Signal Processing Based Deep Learning for Blind Symbol Decoding and Modulation Classification [14.276414947868727]
  信号の盲目的復号には、未知の送信パラメータを推定し、無線チャネルの障害を補償し、変調タイプを特定する必要がある。 本稿では、DSP操作の信号経路と、未知の送信パラメータを推定するニューラルネットワークの特徴経路からなる二重経路ネットワーク(DPN)を提案する。
  論文  参考訳（メタデータ） (2021-06-19T18:00:31Z)
• Spectrum Sensing and Signal Identification with Deep Learning based on Spectral Correlation Function [2.6626788331762867]
  スペクトル相関関数を用いた畳み込みニューラルネットワーク(CNN)モデルを提案する。 提案手法は,事前情報のない無線信号を分類し,CASE1とCASE2という2つの異なる設定で実装する。 この実装はセルシグナルを超越したものの、提案手法はサイクロ定常特性を示す任意の信号の検出と分類にまで拡張することができる。
  論文  参考訳（メタデータ） (2020-03-17T06:56:26Z)

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。