論文の概要: Toward Interference-Agnostic RF Source Separation
- arxiv url: http://arxiv.org/abs/2611.17950v1
- Date: Fri, 13 Nov 2026 09:37:57 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:28:40.705983
- Title: Toward Interference-Agnostic RF Source Separation
- Title(参考訳): 干渉非依存RF音源分離に向けて
- Abstract要約: 我々は、通常、分離器は、訓練されていない干渉で訓練されていないときに、信号の回復に失敗することを示す。
次に、すべてのペアに対してひとつのセパレータをトレーニングします。
ある特殊なモデルのサイズでは、統一セパレータは置き換えるモデル全体に近い状態にあり、ほとんどすべてのペアでビットエラー率を保ち、一方の方が良くなり、他方より悪い状態になる。
- 参考スコア(独自算出の注目度): 12.132975259305177
- License:
- Abstract: Separating a radio-frequency signal of interest from a co-channel interference is mostly addressed with specialized separators, each trained for one pair of signal and interference types and therefore relying on a label that a heavily jammed receiver cannot identify. We show that this reliance is not benign: applied to an interference it was not trained on, such a separator usually fails to recover the signal, and in most of the cases we measure it leaves the signal worse than no processing at all. We then train a single separator over every pair, giving it no indication at test time of which one it faces, on two architectures with no component in common: the convolutional WaveNet of the ICASSP 2024 RF Challenge, and a band-split transformer that we adapt from music source separation. Both behave the same way. At the size of one specialized model, the unified separator stays close to the whole models it replaces, keeping the bit error rate close on almost every pair, better on one and worse on another. On an interference absent from every training set, it does as well as the best specialized model, without anyone having to choose which one to deploy.
- Abstract(参考訳): 共チャネル干渉からの無線周波数信号の分離は、主に特殊な分離器で対処され、それぞれが1組の信号と干渉タイプのために訓練されたため、非常に妨害された受信機が識別できないラベルに依存する。
トレーニングされていない干渉に適用された場合、そのような分離器は通常信号の回復に失敗し、測定するほとんどの場合、信号が処理を全く行わないよりも悪いままになる。
ICASSP 2024 RF Challengeの畳み込みWaveNetと、音源分離から適応するバンド分割変換器である。
どちらも同じように振る舞う。
ある特殊なモデルのサイズでは、統一セパレータは置き換えるモデル全体に近い状態にあり、ほとんどすべてのペアでビットエラー率を保ち、一方の方が良くなり、他方より悪い状態になる。
トレーニングセットごとに欠如している場合、どのモデルをデプロイするかを選択せずに、最高の専門モデルと同様に機能する。
関連論文リスト
- Over-the-Air Federated Learning in Heterogeneous Mobile Wireless Networks [56.36166282526799]
オーバー・ザ・エア(Over-the-air)計算は、無線ネットワークに学習アルゴリズムをデプロイするためのスケーラブルで効率的なソリューションである。
我々は,アルゴリズム正規化を採用し,暗黙のゴシップを通じてデバイスのアップデートを均等に混合するFedOAGを提案する。
論文 参考訳(メタデータ) (2026-09-26T18:04:09Z) - Differentiable Interval Bottlenecks for Interpretable Anomaly Detection in Numerical Data [0.5213778368155993]
DIFFINTは、遅延ボトルネックがソフトな軸方向のインターバルメンバシップのセットとして構成されるオートエンコーダである。
統計的にタイトされた7つの方法のリードクラスターの中で唯一の解釈可能な検出器である。
論文 参考訳(メタデータ) (2026-09-03T14:05:27Z) - Making two action heads agree: coordination mechanisms and a runtime collapse certificate for flow-matching policies [13.05465000489116]
フローマッチングポリシは、予測された各動きをジョイントとエンドエフェクタ空間にデコードする。
マルチモーダルタスクでは、独立してサンプリングされた枝は異なる有効なモードを選択することができ、誤警報を引き起こす。
2つの枝の調整方法とコストについて検討する。
論文 参考訳(メタデータ) (2026-08-16T13:57:36Z) - Beyond a Single Signal: SPECTREG2, A Unified MultiExpert Anomaly Detector for Unknown Unknowns [0.0]
既存の不確実な定量化法は、信頼や密度のような単一の信号に依存する。
本稿では、デュアルバックボーンニューラルネットワークから8つの補完信号を組み合わせたマルチ信号異常検出装置であるSPECTRE-G2を紹介する。
このモデルは種子全体にわたって安定しており、特に新しい変数や共同設立者の検出に有効である。
論文 参考訳(メタデータ) (2026-03-22T10:23:28Z) - 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) - 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) - Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise [54.0185721303932]
本稿では,行関連や信号依存の撮像ノイズを処理できる,教師なしのディープラーニングベースデノイザについて紹介する。
提案手法では,特殊設計の自己回帰デコーダを備えた変分オートエンコーダを用いる。
本手法では,事前学習した雑音モデルを必要としないため,雑音のないデータを用いてスクラッチから訓練することができる。
論文 参考訳(メタデータ) (2023-10-11T20:48:20Z) - Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional
Interference Cancellation Network [4.450750414447688]
ワイヤレスリンクは、重要なサービスを提供するためにますます使われていますが、意図的な干渉(ジャミング)は、そのようなサービスにとって深刻な脅威です。
機械学習の進歩とニューラルアクセラレータとソフトウェア定義無線の約束に依存するアプローチを提案する。
本研究では,2アンテナの試作システムを開発し,様々な環境設定や変調方式におけるジャミングキャンセル手法の評価を行う。
論文 参考訳(メタデータ) (2022-03-18T03:30:57Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳(メタデータ) (2021-03-30T09:59:56Z)
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。