文献

J-GLOBAL ID：202202253944746762   整理番号：22A0640617

技術署名探索における無線周波数干渉同定のための機械学習ベースの方向源フィルタ【JST・京大機械翻訳】

A Machine Learning-based Direction-of-origin Filter for the Identification of Radio Frequency Interference in the Search for Technosignatures

著者 (3件)： Pinchuk Pavlo (Department of Physics and Astronomy, University of California, Los Angeles, CA 90095, USA) ,  Margot Jean-Luc (Department of Earth, Planetary, and Space Sciences, University of California, Los Angeles, CA 90095, USA) ,  Margot Jean-Luc (Department of Physics and Astronomy, University of California, Los Angeles, CA 90095, USA)
資料名： Astronomical Journal  (Astronomical Journal)
巻： 163  号： 2  ページ： 76 (19pp)  発行年： 2022年 
JST資料番号： W1567A  ISSN： 1538-3881  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ラジオ周波数干渉(RFI)緩和は,無線技術のための探索における主要な課題のままである。典型的な緩和戦略は,天空の多重方向で検出された場合,信号がRFIとして分類される,到来方向(DoO)フィルタを含む。これらの分類は一般に周波数や周波数ドリフト速度などの信号特性の推定に依存する。畳込みニューラルネットワーク(CNN)は,推定信号特性に頼る代わりに,動的スペクトルを直接解析するために訓練できるため,既存のフィルタに対する有望な補完を提供する。本研究では,動的スペクトルの画像のラベル付きペアからなるいくつかのデータセットを編集し,1つのスキャンで検出される信号が別のスキャンでも存在するかどうかを決定できるCNNを設計し訓練した。このCNNベースのDoOフィルタは,ベースライン2D相関モデルおよび既存のDoOフィルタを,それぞれ99.15%および97.81%の精度および再現値によって,一連の計量にわたって凌駕した。CNNは,名目上の状況において,従来のDoOフィルタを6~16倍に適用後,視覚検査を必要とする信号数を低減することを見出した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *干渉 ,  ドリフト速度 ,  フィルタ ,  推定 ,  スペクトル ,  多重化 ,  緩和現象 ,  信号特性 ,  *周波数 ,  二次元 ,  視覚検査 ,  *機械学習
準シソーラス用語： 到来方向 ,  *ワイヤレス ,  *無線周波数 , 【Automatic Indexing@JST】

分類 (2件)： 雑音一般  (ND04010J) ,  マイクロ波・ミリ波通信  (ND08020W)

タイトルに関連する用語 (6件)： 署名 ,  探索 ,  無線周波数 ,  干渉 ,  同定 ,  機械学習