迈向用于 GNSS RFI 检测的简单机器学习基线
信号处理
2025-04-15 v2 机器学习
摘要
GNSS 射频干扰（RFI）检测中的机器学习研究通常缺乏明确的经验依据来选择深度学习架构而非更简单的机器学习方法。在本工作中，我们主张改变研究方向——从开发日益复杂的深度学习模型转向仔细评估其与可解释且轻量级的机器学习基线相比在真实世界中的有效性。我们的研究结果表明，在 GNSS RFI 检测背景下，最先进的深度学习模型经常无法优于简单且经过良好工程设计的机器学习方法。利用由瑞士空军和瑞士空中救援（Rega）收集并经瑞士空中导航服务有限公司（Skyguide）预处理的独特大规模数据集，我们证明了一个简单的基线模型在检测 GNSS RFI 方面达到了 91% 的准确率，优于更复杂的深度学习模型。这些结果突出了实用解决方案的有效性，并提供了有价值的见解以指导这一关键应用领域的未来研究。
引用
@article{arxiv.2504.07993,
title = {Towards Simple Machine Learning Baselines for GNSS RFI Detection},
author = {Viktor Ivanov and Richard C. Wilson and Maurizio Scaramuzza},
journal= {arXiv preprint arXiv:2504.07993},
year = {2025}
}