論文の概要: SIGNN++: Robust Graph Neural Star Identification on Earth
- arxiv url: http://arxiv.org/abs/2610.30186v1
- Date: Tue, 20 Oct 2026 12:39:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.079939
- Title: SIGNN++: Robust Graph Neural Star Identification on Earth
- Title（参考訳）: SIGNN++: 地球上のロバストグラフニューラルスター識別
- Abstract要約: SIGNN++は、夜間の天体ナビゲーションのための学習ベースの星識別フレームワークである。
地上観測の障害に対してより堅牢であり、元のSIGNNや一般に利用可能なSIDベースラインよりも高い恒星識別精度と解決率を達成する。
- 参考スコア（独自算出の注目度）: 4.696109494076668
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present SIGNN++, a learning-based star identification (SID) framework for celestial navigation in GNSS-denied nighttime environments. Although researchers have developed learning-based SID methods to improve robustness to observation noise, prior evaluations have focused mainly on synthetic or non-terrestrial environments, leaving their reliability under real terrestrial conditions unclear. To address these limitations, SIGNN++ extends SIGNN, a graph neural network-based SID method, with three components: a more realistic noise model for training data, Fourier Transform (FT) of angular-distance edge features, and RANSAC-based Perspective Star Alignment for identification and attitude refinement. The results show that SIGNN++ is more robust to terrestrial observation disturbances and achieves higher star identification accuracy and solved rates than the original SIGNN and publicly available SID baselines, while maintaining comparable attitude accuracy and practical computation time for continuous operation. The implementation code of SIGNN++ and datasets will be available at https://signnpp.github.io/signnpp/.
- Abstract（参考訳）: 我々は、GNSSの夜間環境における天体ナビゲーションのための学習ベース星識別(SID)フレームワークであるSIGNN++を提案する。
研究者らは、観測ノイズに対する堅牢性を改善するための学習ベースのSID法を開発したが、以前の評価は、主に合成または非地球環境に焦点を当てており、実際の地球環境下での信頼性ははっきりしていない。
これらの制限に対処するため、SIGNN++は、グラフニューラルネットワークベースのSIDメソッドであるSIGNNを拡張し、データトレーニングのためのより現実的なノイズモデル、角距離エッジ機能のフーリエ変換(FT)、識別と姿勢改善のためのRANSACベースのパースペクティブスターアライメントの3つのコンポーネントを備える。
その結果、SIGNN++は地上観測障害に対してより堅牢であり、元のSIGNNや公開SIDベースラインよりも星識別精度が高く、解決率も高く、かつ、継続的な操作に比較した姿勢精度と実用的な計算時間を維持できることがわかった。
SIGNN++とデータセットの実装コードはhttps://signnpp.github.io/signnpp/.comで公開される。
関連論文リスト
- Probing Geospatial SSL Representations with Environmental Signals [51.908606610432194]
自己教師付き学習(SSL)は、単一のタスクに最適化された表現ではなく、汎用的で転送可能な表現を学ぶように設計されている。
SSL表現は、イメージングプロセスと共変する環境変数との統計的関連を保存しているか?
この問題に対処するために、我々は、物理的に一貫した環境変数のグローバルデータセットである共配置ERA5再解析変数を用いてSSL表現を探索する。
論文 参考訳（メタデータ） (2026-07-06T15:24:25Z) - A Machine Learning Framework for Weighted Least Squares GNSS Positioning based on Activation Functions [0.3867363075280543]
都市キャニオンでは、高層建築物や狭い通りが信号妨害、非視線受信、マルチパス効果を引き起こすことがある。
本研究では,活性化関数を組み込んだ最小二乗重み付きアルゴリズム(WLS)の機械学習フレームワークを提案する。
提案アルゴリズムは, 単連星・多連星のシナリオにおいて, 位置決め誤差を大幅に低減することを示した。
論文 参考訳（メタデータ） (2026-05-20T17:50:14Z) - Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。
本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。
医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
論文 参考訳（メタデータ） (2026-04-16T14:12:06Z) - Learning to Explore: Policy-Guided Outlier Synthesis for Graph Out-of-Distribution Detection [51.93878677594561]
教師なしグラフレベルのOOD検出では、モデルは通常、IDデータのみを使用して訓練される。
本稿では,スタティックスを学習した探索戦略に置き換える政策誘導型アウトリア合成フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-28T11:40:18Z) - Odyssey: An Automotive Lidar-Inertial Odometry Dataset for GNSS-denied situations [0.0]
Odysseyはトンネルや駐車場など、表現の浅い環境に焦点を当てたデータセットである。
我々の地上の真実は、リングレーザージャイロスコープ(RLG)を搭載したナビゲーショングレードの慣性航法システム(INS)から導かれる。
これにより、Odysseyは、RCGベースのINSを備えた最初の公開データセットとなる。
論文 参考訳（メタデータ） (2025-12-16T14:17:00Z) - Global Feature Enhancing and Fusion Framework for Strain Gauge Time Series Classification [11.607125704699927]
ストレインステータス(SGS)の認識は、モノのインターネットに基づくインテリジェントな製造分野において不可欠である。
本稿では,ハイパーグラフに基づくグローバルな特徴学習と融合フレームワークを提案する。
提案手法は,産業用SGSおよび公用UCRデータセットを用いて検証し,SGS認識における未確認データに対するより良い一般化を示す。
論文 参考訳（メタデータ） (2025-11-07T15:36:11Z) - Cross-Dataset Semantic Segmentation Performance Analysis: Unifying NIST Point Cloud City Datasets for 3D Deep Learning [49.1574468325115]
本研究では、公共安全アプリケーションに関連する異種ラベル付きポイントクラウドデータセット間のセマンティックセマンティックセマンティクス性能を解析する。
主な課題は、ラベル付きデータ不足、データセット間でクラスラベルを統一することの難しさ、標準化の必要性である。
論文 参考訳（メタデータ） (2025-08-01T17:59:02Z) - Attention-Based Fusion of IQ and FFT Spectrograms with AoA Features for GNSS Jammer Localization [4.674584508653125]
ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する
古典アングル・オブ・アーリバル (AoA) 法はマルチパス環境において精度を低下させる。
本研究では,ジャミング源の距離,方位,標高を推定しながら干渉の検出と分類を行う新しい手法を提案する。
論文 参考訳（メタデータ） (2025-07-09T06:49:11Z) - Learning Satellite Pattern-of-Life Identification: A Diffusion-based Approach [10.811177660290726]
衛星の挙動をモニターする現在のアプローチは、専門家の知識と低スケールのルールベースのシステムに依存している。
本稿では, 専門知識への依存を著しく排除する, 衛星パタン・オブ・ライフ(PoL)識別のための新しい生成手法を提案する。
実際の衛星データを用いたケーススタディでは、運用行動パターンの識別、追跡の強化、空間状況認識に対するアプローチの変容の可能性が確認されている。
論文 参考訳（メタデータ） (2024-12-14T12:39:19Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳（メタデータ） (2022-11-28T00:31:02Z)
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。