論文の概要: On Distributed Sensing and Adversarial Localization of Narrowband Acoustic Sources for Offshore Data Center Monitoring

• arxiv url: http://arxiv.org/abs/2610.34393v1
• Date: Sun, 25 Oct 2026 15:54:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.608255
• Title: On Distributed Sensing and Adversarial Localization of Narrowband Acoustic Sources for Offshore Data Center Monitoring
• Title（参考訳）: オフショアデータセンターモニタリングのための狭帯域音響音源の分散センシングと対角化について
• Abstract要約: 本報告では,オフショアデータセンターを脅かす狭帯域対流音響源の局所化と追跡のための音響監視フレームワークについて検討する。 本フレームワークは, シミュレーションにおいて, 91%のローカライズ成功率を達成する。 実地試験10例中9例は, 受動位置不確実性およびノイズ検知条件下での2m未満の追尾誤差を示した。
• 参考スコア（独自算出の注目度）: 4.552871480552599
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This report investigates an acoustic surveillance framework for localizing and tracking narrowband adversarial acoustic sources that threaten offshore data centers. Unlike conventional sound source localization (SSL) methods that rely on broadband signals and compact receiver arrays, the considered scenario involves narrowband emissions and sparse sensors. In such scenarios, the observed time-difference-of-arrival (TDOA) measurements are aliased and produce an ambiguous solution space, rendering conventional localization methods ineffective. To address this challenge, we integrate a mobile receiver that temporarily forms anchor pairs with selected fixed receivers, constraining the feasible solution space. The proposed two-stage pipeline first estimates the initial source position using anchor constraints, then initializes a particle filter that jointly tracks source position and velocity using one live anchor measurement and quality-adaptive fixed-pair measurements. We evaluate the proposed method through Monte Carlo acoustic simulations, ROS-Gazebo robotic demonstrations, and open-water field experiments. Our framework achieves a localization success rate of 91% in simulation, while 9 of 10 field trials show tracking error below 2m under receiver-position uncertainty and noisy sensing conditions. These findings demonstrate the feasibility of passive acoustic surveillance for protecting large-scale infrastructure against acoustic threats.
• Abstract（参考訳）: 本報告では,オフショアデータセンターを脅かす狭帯域対流音響源の局所化と追跡のための音響監視フレームワークについて検討する。 ブロードバンド信号や小型レシーバアレイに依存する従来のサウンドソースローカライゼーション(SSL)法とは異なり、このシナリオは狭帯域放射とスパースセンサーを含む。 このようなシナリオでは、観測された時間差分法(TDOA)の測定はエイリアス化され、あいまいな解空間が生成され、従来の局所化法は有効ではない。 この課題に対処するため、固定された受信機と一時的にアンカーペアを形成し、実現可能な解空間を制約する移動受信機を統合する。 提案した2段パイプラインは、まず、アンカー制約を用いて初期ソース位置を推定し、次いで、1つのライブアンカー測定と品質適応固定ペア測定を用いて、ソース位置と速度を共同で追跡する粒子フィルタを初期化する。 提案手法をモンテカルロ音響シミュレーション,ROS-Gazeboロボットデモ,オープンウォーターフィールド実験により評価した。 実地試験10件中9件は,受信位置の不確実性およびノイズ検知条件下で2m未満の追従誤差を示した。 これらの結果は,大規模インフラを音響的脅威から保護するための受動的音響監視の可能性を示している。

関連論文リスト

• Acoustic Ellipses: Bio-Inspired Omnidirectional Echolocation in Cooperative Multi-Agent Systems using Frequency Sweeps [0.0]
  定常音源を周波数変調したチャープを出力することで,協調エージェントが環境中の障害を効果的に識別できる手法を提案する。 本稿では,直接と反射するチャープ信号の周波数ギャップを利用した新しいマッピング手法を提案する。 本研究は,Swarmロボットシステムにおける環境マッピングへの低コストアプローチの基礎となるものである。
  論文  参考訳（メタデータ） (2026-09-17T21:36:15Z)
• Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
  受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。 これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
  論文  参考訳（メタデータ） (2026-02-04T15:25:02Z)
• Combating Noisy Labels through Fostering Self- and Neighbor-Consistency [120.4394402099635]
  ラベルノイズは様々な現実世界のシナリオで広まり、教師付きディープラーニングの課題を提起する。 我々は、Jo-SNC(textbfSelf- と textbfNeighbor-textbfConsistency に基づくサンプル選択とモデル正規化)というノイズロバスト手法を提案する。 我々は、クラスごとの選択閾値を調整するための自己適応型データ駆動しきい値設定方式を設計する。
  論文  参考訳（メタデータ） (2026-01-19T07:55:29Z)
• Ivan-ISTD: Rethinking Cross-domain Heteroscedastic Noise Perturbations in Infrared Small Target Detection [53.689841037081834]
  Ivan-ISTD は ISTD におけるクロスドメインシフトと異方性雑音摂動の2つの課題に対処するように設計されている。 Ivan-ISTDはクロスドメインシナリオにおいて優れた堅牢性を示している。
  論文  参考訳（メタデータ） (2025-10-14T07:48:31Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  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 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• Unsupervised Acoustic Scene Mapping Based on Acoustic Features and Dimensionality Reduction [18.641610823584433]
  データの自然な構造を生かした教師なしのデータ駆動型アプローチを導入する。 本手法は,実測値から標準データ座標を学習するためのオフライン深層学習方式であるローカル共形オートエンコーダ(LOCA)に基づいて構築する。
  論文  参考訳（メタデータ） (2023-01-01T17:46:09Z)
• Improving Stability of LS-GANs for Audio and Speech Signals [70.15099665710336]
  このベクトル空間で計算された正規性からジェネレータ最適化の定式化への切り離しの符号化は、より包括的な分光図を作成するのに役立つことを示す。 本手法をベースラインGANと比較してモード崩壊の少ないトレーニングにおける安定性向上に有効であることを示す。
  論文  参考訳（メタデータ） (2020-08-12T17:41:25Z)
• Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
  機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。 本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。 提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T23:56:05Z)
• Simultaneous Denoising and Dereverberation Using Deep Embedding Features [64.58693911070228]
  ディープ埋め込み特徴を用いた同時発声・発声同時学習法を提案する。 ノイズ発生段階では、DCネットワークを利用してノイズのないディープ埋込み特性を抽出する。 残響段階では、教師なしのK平均クラスタリングアルゴリズムの代わりに、別のニューラルネットワークを用いて無響音声を推定する。
  論文  参考訳（メタデータ） (2020-04-06T06:34:01Z)

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。