基于混合CNN与路径损耗专家混合模型的贝叶斯干扰源定位
机器学习
2025-10-24 v1 信号处理
摘要
全球导航卫星系统（GNSS）信号易受干扰，尤其是在多径和阴影效应扭曲接收功率的城市区域。以往的数据驱动方法实现了合理的定位，但由于空间上下文有限，未能很好地重建接收信号强度（RSS）场。我们提出了一种混合贝叶斯专家混合框架，通过对数线性池化融合物理路径损耗（PL）模型和卷积神经网络（CNN）。PL专家确保物理一致性，而CNN利用建筑物高度图来捕捉城市传播效应。采用拉普拉斯近似的贝叶斯推断提供了关于干扰源位置和RSS场的后验不确定性。在城市射线追踪数据上的实验表明，随着训练点增多，定位精度提高且不确定性降低，而不确定性集中在干扰源附近以及传播最敏感的城市峡谷区域。
引用
@article{arxiv.2510.20666,
title = {Bayesian Jammer Localization with a Hybrid CNN and Path-Loss Mixture of Experts},
author = {Mariona Jaramillo-Civill and Luis González-Gudiño and Tales Imbiriba and Pau Closas},
journal= {arXiv preprint arXiv:2510.20666},
year = {2025}
}
备注
5 pages, 4 figures, Submitted to ICASSPW 2026