WhiteNet은 IEEE 802.11 신호를 I/Q 샘플로 식별하는 딥러닝 분류기가 배포 환경의 채널 조건이 학습 때와 다르면 성능이 급격히 떨어지는 문제를 해결하는 프레임워크다. 주파수 선택적 페이딩을 억제하면서도 프로토콜 판별에 필요한 특징은 보존하는 물리 기반 전처리 기법인 스펙트럴 화이트닝(spectral whitening)이 핵심이며, 비용이 큰 다중 송신기 실측 데이터 수집 의존도를 줄이기 위해 송신기별로 물리적으로 정확한 채널과 공유 수신기 신호 체인을 모사한 합성 오버랩 믹서로 사전학습을 보완했다. 공개된 실측 IEEE 802.11 데이터에서 기존 최고 성능 대비 파라미터를 7.7배 줄이면서도 미지의 채널 조건으로 인한 정확도 격차의 상당 부분을 좁혔으며, 전력 제약이 있는 엣지 기기용 경량 변형으로도 증류할 수 있다.
- •스펙트럴 화이트닝으로 채널 변화에 강건한 신호 식별 프레임워크
- •합성 오버랩 믹서로 값비싼 다중 송신기 실측 데이터 의존도 감소
- •기존 최고 성능 대비 파라미터 7.7배 감소하면서 정확도 격차 축소
- •전력 제약 엣지 기기용 경량 변형으로 증류 가능
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
WhiteNet: Robust Identification of Overlapping IEEE 802.11 Signals Across Unseen Channels
본문 미리보기
arXiv:2608.06581v1 Announce Type: new Abstract: Deep learning (DL) classifiers trained on I/Q samples achieve high accuracy for IEEE 802.11 protocol identification of overlapping signals, but their performance degrades sharply when channel conditions at deployment differ from those encountered during training. We present WhiteNet, a framework that addresses the problem of channel variability in I/Q samples. The central idea is spectral whitening, a physics-grounded preprocessing step that suppr
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:58AI 초안
