本記事では、都市部におけるグローバルナビゲーション衛星システム（GNSS）信号のジャミングへの脆弱性に対応するため、ハイブリッドベイジアン混合専門家フレームワークが提案されています。このフレームワークは、物理的なパスロス（PL）モデルと畳み込みニューラルネットワーク（CNN）を統合し、都市環境における信号の受信強度（RSS）フィールドをより正確に再構成することを目指しています。PL専門家は物理的整合性を保証し、CNNは建物の高さマップを利用して都市の伝播効果を捉えます。ラプラス近似を用いたベイジアン推論により、ジャマーの位置やRSSフィールドの後方不確実性が提供され、実験結果からは、トレーニングポイントの増加に伴い局所化精度が向上し、不確実性が減少することが示されました。特に、都市のキャニオンやジャマーの近くでの不確実性の集中が観測されました。