論文の概要: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds

• arxiv url: http://arxiv.org/abs/2610.26999v1
• Date: Mon, 19 Oct 2026 09:08:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.417467
• Title: CorteXforge: Scenario-Based RF Dataset Generation on Real Testbeds
• Title（参考訳）: CorteXforge: 実テストベッド上でのシナリオベースRFデータセット生成
• Abstract要約: 我々は,現実的で再現可能なRFデータセットを生成するシナリオベースのフレームワークであるCorteXforgeを紹介する。 高レベルのRFシナリオは、自動的にSLICES-RI/CorteXlabプラットフォーム上で実行される同期実験に変換される。 フレームワークで生成されたOTA(Over-the-air)データセットであるModForgeを使用して,自動分類によってCorteXforgeを検証する。
• 参考スコア（独自算出の注目度）: 4.483523280360845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning for radio frequency (RF) signal analysis relies on large annotated datasets, yet synthetic datasets trade physical realism for controllability, while uncontrolled over-theair measurements offer realism but limited reproducibility. We present CorteXforge, a scenario-based framework for generating realistic and reproducible RF datasets on programmable software defined radio (SDR) testbeds. High-level RF scenarios are automatically translated into synchronized experiments executed on the SLICES-RI/CorteXlab platform, producing fully annotated Signal Metadata Format (SIGMF) datasets that capture hardware impairments and propagation effects. We validate CorteXforge through automatic modulation classification using ModForge, an over-the-air (OTA) dataset generated with the framework. Cross-domain experiments reveal a synthetic-to-real performance gap and show that synthetic pretraining remains beneficial for adaptation to OTA data. CorteXforge provides a practical foundation for reproducible RF dataset generation and future research on domain generalization.
• Abstract（参考訳）: 無線周波数(RF)信号分析の深層学習は、大きな注釈付きデータセットに依存するが、合成データセットは制御性のために物理リアリズムを交換する。 我々は,プログラム可能なソフトウェア定義無線(SDR)テストベッド上で,現実的で再現可能なRFデータセットを生成するシナリオベースのフレームワークであるCorteXforgeを提案する。 高レベルのRFシナリオは、SLICES-RI/CorteXlabプラットフォームで実行される同期実験に自動的に変換される。 フレームワークで生成されたOTAデータセットであるModForgeを用いて,自動変調分類によりCorteXforgeを検証する。 クロスドメイン実験により、合成-実間性能ギャップが明らかとなり、合成プレトレーニングがOTAデータへの適応に有用であることが示されている。 CorteXforgeは再現可能なRFデータセット生成のための実用的な基盤とドメインの一般化に関する将来の研究を提供する。

関連論文リスト

• OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
  本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。 パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
  論文  参考訳（メタデータ） (2026-05-13T17:42:20Z)
• Semantically Annotated Multimodal Dataset for RF Interpretation and Prediction [4.872063946977515]
  無線モデリングとRF(Radio frequency)ベースのAIの現在の制限は、RF信号を物理的な環境に接続する高品質な計測ベースのデータセットの欠如によって引き起こされている。 本稿では,RF計測と高分解能カメラやライダーなどの補助的モダリティを組み合わせることで,RF信号と物理的原因とのギャップを埋める新しいマルチモーダルデータセットを提案する。
  論文  参考訳（メタデータ） (2026-04-01T22:18:01Z)
• CageDroneRF: A Large-Scale RF Benchmark and Toolkit for Drone Perception [10.23151778679351]
  CageDroneRF (CDRF) は、無線周波数(RF)ドローンの検出と識別のための大規模なベンチマークである。 CDRFは既存のRFデータセットの不足と限られた多様性に対処する。 このデータセットは、さまざまな現代のドローンモデルにまたがる。
  論文  参考訳（メタデータ） (2026-01-06T03:39:59Z)
• MAWIFlow Benchmark: Realistic Flow-Based Evaluation for Network Intrusion Detection [47.86433139298671]
  本稿では,MAWILAB v1.1データセットから得られたフローベースベンチマークであるMAWIFlowを紹介する。 得られたデータセットは、2011年1月、2016年、2021年に太平洋横断のバックボーンのトラフィックから引き出された、時間的に異なるサンプルで構成されている。 決定木、ランダムフォレスト、XGBoost、ロジスティック回帰を含む伝統的な機械学習手法は、CNN-BiLSTMアーキテクチャに基づいたディープラーニングモデルと比較される。
  論文  参考訳（メタデータ） (2025-06-20T14:51:35Z)
• ReFormer: Generating Radio Fakes for Data Augmentation [0.49109372384514843]
  ReFormerは、合成無線周波数(RF)データを効率的に生成できる生成AI(GAI)モデルである。 異なるトランスフォーマーアーキテクチャと他の設計選択が生成したRFフェイクの品質にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2024-12-31T05:28:35Z)
• Soft Segmented Randomization: Enhancing Domain Generalization in SAR-ATR for Synthetic-to-Measured [4.089756319249042]
  ドメインの差を小さくし、自動目標認識モデルを一般化する能力を向上させるために設計された,新しいフレームワークであるソフトセグメントランダム化を導入する。 実験により,提案したソフトセグメントランダム化フレームワークは,測定された合成開口レーダデータに対するモデル性能を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-09-21T08:24:51Z)
• Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark [65.79402756995084]
  Real Acoustic Fields (RAF)は、複数のモードから実際の音響室データをキャプチャする新しいデータセットである。 RAFは密集した室内音響データを提供する最初のデータセットである。
  論文  参考訳（メタデータ） (2024-03-27T17:59:56Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• RF Signal Classification with Synthetic Training Data and its Real-World Performance [0.0]
  本稿では,実環境における実環境性能に対する合成訓練データにモデル化された異なるRF信号障害の影響について検討する。 念入りに設計された合成トレーニングデータのみを使用することで、実世界の操作において最大95%の精度を達成できる。
  論文  参考訳（メタデータ） (2022-06-26T20:47:33Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。