Core Concepts
GNSS受信機の位置精度を損なう干渉信号を効果的に検出・分類するために、少量学習を用いた適応的なモデルを提案する。
Abstract
本論文では、GNSS信号への干渉検出と分類のための少量学習(Few-Shot Learning)アプローチを提案している。
GNSS受信機の位置精度を損なう干渉信号を検出・分類することが重要であり、新しい干渉クラスに迅速に適応できることが不可欠である。
提案手法では、アンカー、ポジティブ、ネガティブ、類似サンプルからなる4つ組(quadruplet)を選択し、不確実性に基づいて学習を行う。これにより、類似クラス間の識別性を高めることができる。
モーターウェイで収集したデータセットを用いた評価では、提案手法が他の少量学習手法に比べて優れた性能を示した。
Stats
GNSS受信機の位置精度を損なう干渉信号は深刻な問題を引き起こす可能性がある。
干渉信号の検出と分類には、従来の手法と機械学習手法が用いられている。
新しい干渉クラスに迅速に適応できることが重要であり、少量学習が有効である。
Quotes
"Jamming devices pose a significant threat by dis-rupting signals from the global navigation satellite system (GNSS), compromising the robustness of accurate positioning."
"The ability to adapt to diverse, unseen interference characteristics is essential for ensuring the reliability of GNSS in real-world applications."