通过伪标签实现对GNSS干扰监测站编排的泛化
信号处理
2025-07-08 v1 人工智能
机器学习
摘要
全球导航卫星系统（GNSS）接收器的准确性会因来自制造商的干扰信号而受到显著影响。因此，检测这些干扰器至关重要，以减轻此类干扰信号。然而，由于现实环境中缺乏标记数据，利用机器学习（ML）模型对干扰进行鲁棒分类具有挑战性。本文提出一种ML方法，通过沿公路部署的编排监测站实现对干扰的高泛化性分类。我们提出一种半监督方法，结合蒙特卡罗抽样和深度集成的方法，有效降低了对标记训练样本的需求，使其不足于数据集的5%，同时提高了在不同环境下的适应性。我们的方法在从室内环境适应到现实场景时表现出强大的性能。
引用
@article{arxiv.2410.14686,
title = {Achieving Generalization in Orchestrating GNSS Interference Monitoring Stations Through Pseudo-Labeling},
author = {Lucas Heublein and Tobias Feigl and Alexander Rügamer and Felix Ott},
journal= {arXiv preprint arXiv:2410.14686},
year = {2025}
}
备注
DGON Positioning and Navigation for Intelligent Transport Systems (POSNAV)