Fugu-MT 論文翻訳(概要): Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of Large Antenna Arrays

論文の概要: Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of Large Antenna Arrays

arxiv url: http://arxiv.org/abs/2007.13824v3
Date: Fri, 5 Mar 2021 12:24:53 GMT
ステータス: 処理完了
システム内更新日: 2022-11-06 11:36:47.183354
Title: Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of Large Antenna Arrays
Title（参考訳）: 大型アンテナアレイのエミュレーションによるMIMOレーダシステムのDOA推定のための深層学習
Authors: Aya Mostafa Ahmed, Udaya Sampath K.P. Miriya Thanthrige, Aly El Gamal, and Aydin Sezgin
Abstract要約: 我々は,小型アンテナアレイを用いたMUSICに基づくアリーバル推定手法を提案する。我々は,仮想大アンテナアレイの信号再構成にディープラーニングを用いる。
参考スコア（独自算出の注目度）: 15.180687831560174
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a MUSIC-based Direction of Arrival (DOA) estimation strategy using small antenna arrays, via employing deep learning for reconstructing the signals of a virtual large antenna array. Not only does the proposed strategy deliver significantly better performance than simply plugging the incoming signals into MUSIC, but surprisingly, the performance is also better than directly using an actual large antenna array with MUSIC for high angle ranges and low test SNR values. We further analyze the best choice for the training SNR as a function of the test SNR, and observe dramatic changes in the behavior of this function for different angle ranges.
Abstract（参考訳）: 我々は,仮想大アンテナアレイの信号再構成に深層学習を用いて,MUSICを用いたDA(Direction of Arrival)推定戦略を提案する。提案手法は、MUSICに受信した信号を直接接続するよりもはるかに優れた性能を提供するだけでなく、MUSICを高角度範囲と低試験SNR値に組み込んだ実際の大型アンテナアレイを直接使用するよりも性能が優れている。さらに、テストSNRの関数としてのトレーニングSNRの最適選択を解析し、異なる角度範囲におけるこの関数の挙動の劇的な変化を観察する。

関連論文リスト

Deep Active Speech Cancellation with Multi-Band Mamba Network [62.73250985838971]
アクティブ音声キャンセラ(ASC)のための新しい深層学習ネットワークを提案する。提案したMulti-Band Mambaアーキテクチャは、入力音声を異なる周波数帯域にセグメントし、正確な反信号生成を可能にする。実験の結果、ANCシナリオでは7.2dB、ASCでは6.2dBの改善が達成された。
論文参考訳（メタデータ） (2025-02-03T09:22:26Z)
Advancing Single-Snapshot DOA Estimation with Siamese Neural Networks for Sparse Linear Arrays [10.112125529627155]
スパース線形アレイにおける単発ショット信号処理はますます重要になっている。本稿では,スパース増層を特徴とする新しいサイムズニューラルネットワーク(SNN)を提案する。本稿では,詳細な特徴分析と性能評価により,提案手法のDOA推定性能の向上を実証する。
論文参考訳（メタデータ） (2025-01-13T01:59:04Z)
Radar Signal Recognition through Self-Supervised Learning and Domain Adaptation [48.265859815346985]
RFサンプルとラベルを限定した環境下でのレーダ信号認識を強化するための自己教師付き学習(SSL)手法を提案する。具体的には,各種RF領域のベースバンド内位相および2次(I/Q)信号に対する事前学習マスク付きオートエンコーダ(MAE)について検討する。その結果,ドメイン適応型軽量自己教師型ResNetモデルでは,1ショットの分類精度が最大17.5%向上した。
論文参考訳（メタデータ） (2025-01-07T01:35:56Z)
Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文参考訳（メタデータ） (2023-01-20T17:06:34Z)
DeepAoANet: Learning Angle of Arrival from Software Defined Radios with Deep Neural Networks [39.65462454049291]
既存のアルゴリズムは、マルチパスの有無や弱い信号システムで動作している場合、AoA(Angle of Arrival)の解決にはあまり役に立たない。本稿では,SDRマルチチャネルデータの単一スナップショットからAoAを抽出するディープラーニング手法を提案する。提案手法は, 衝突信号数の決定に優れた信頼性を示し, 平均絶対AoA誤差を2ドル以下で実現した。
論文参考訳（メタデータ） (2021-12-01T18:16:13Z)
Two-step Machine Learning Approach for Channel Estimation with Mixed Resolution RF Chains [19.0581196881206]
機械学習(ML)アルゴリズムを適用し,効率的なアップリンクチャネル推定手法を提案する。第1ステップでは、条件付き生成逆転ネットワーク(cGAN)は、フル解像度RFチェーンの限られたセットから低解像度RFチェーンアンテナ要素の残りの部分まで、無線チャネルを予測します。長期長期メモリ(LSTM)ニューラルネットワークは、低分解能RFチェーンアンテナ要素からさらなる位相情報を抽出します。
論文参考訳（メタデータ） (2021-01-24T12:33:54Z)
Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文参考訳（メタデータ） (2020-11-17T12:52:18Z)
Antenna Selection for Improving Energy Efficiency in XL-MIMO Systems [31.497083605792685]
本稿では,最近提案された大規模大規模マルチインプット多重出力(XL-MIMO)システムについて考察する。緑の視点では、数百から数千のアンテナを同時に起動することは効果的ではない。総エネルギー効率(EE)の最大化を目的とした,XL-MIMOシステムに展開する4つのアンテナ選択(AS)手法を提案する。
論文参考訳（メタデータ） (2020-09-05T14:43:21Z)
Deep Learning Based Antenna Selection for Channel Extrapolation in FDD Massive MIMO [54.54508321463112]
大規模なマルチインプット多重出力(MIMO)システムでは、多数のアンテナが正確なチャネル状態情報を取得する上で大きな課題となる。ニューラルネットワーク(NN)を用いて、アップリンクとダウンリンクチャネルデータセット間の固有の接続を捕捉し、アップリンクチャネル状態情報のサブセットからダウンリンクチャネルを外挿する。アンテナサブセット選択問題について検討し、最高のチャネル外挿を実現し、NNのデータサイズを小さくする。
論文参考訳（メタデータ） (2020-09-03T13:38:52Z)
Deep Learning Optimized Sparse Antenna Activation for Reconfigurable Intelligent Surface Assisted Communication [54.72880662623178]
再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
論文参考訳（メタデータ） (2020-09-03T12:27:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。