PulseAugur
实时 11:14:30
English(EN) The S-ICDF Dataset: Sionna-Simulated Dynamic Interference Characterization and Direction Finding

新的 S-ICDF 数据集助力无线干扰检测的机器学习发展

研究人员推出了 S-ICDF 数据集,这是一个用于开发和验证无线干扰表征与测向机器学习模型的新资源。该数据集使用 Sionna(一个 GPU 加速的模拟库)生成,包含 102 种干扰配置,具有不同的天线模式、带宽和传播条件。通过传统的估计算法(如 MUSICESPRIT)以及现代机器学习方法,提供了基线性能结果。 AI

影响 为关键无线信号监控和安全应用实现更鲁棒的机器学习模型开发提供了支持。

排序理由 发布了用于信号处理领域机器学习研究的新数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 S-ICDF 数据集助力无线干扰检测的机器学习发展

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Christian Wielenberg, Lucas Heublein, Jonathan Ott, Alexander Mattick, Nisha L. Raichur, Jonas Pirkl, Lukas Schelenz, Tobias Feigl, George Yammine, Christopher Mutschler, Felix Ott ·

    The S-ICDF Dataset: Sionna-Simulated Dynamic Interference Characterization and Direction Finding

    arXiv:2607.03411v1 Announce Type: cross Abstract: Jamming and spoofing threaten wireless and satellite navigation by disrupting or manipulating radio frequency (RF) signals, undermining availability, integrity, and trust. Robust interference monitoring (i.e., detection, classific…