論文の概要: System Design and Analysis for Energy-Efficient Passive UAV Radar
Imaging System using Illuminators of Opportunity
- arxiv url: http://arxiv.org/abs/2010.00179v2
- Date: Sat, 8 May 2021 04:13:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 08:27:34.632627
- Title: System Design and Analysis for Energy-Efficient Passive UAV Radar
Imaging System using Illuminators of Opportunity
- Title（参考訳）: 機会のイルミネータを用いたエネルギー効率のよいUAVレーダイメージングシステムのシステム設計と解析
- Authors: Zhichao Sun, Junjie Wu, Gary G. Yen, Hang Ren, Hongyang An, Jianyu
Yang
- Abstract要約: 無人航空機(UAV)は、現代のレーダーイメージングシステムに優れた柔軟性とコスト効率を提供することができる。
本稿では、まず、機会のイルミネータを用いたエネルギー効率の高い受動型UAVレーダイメージングシステムを提案し、検討した。
- 参考スコア（独自算出の注目度）: 16.336743608487257
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned aerial vehicle (UAV) can provide superior flexibility and
cost-efficiency for modern radar imaging systems, which is an ideal platform
for advanced remote sensing applications using synthetic aperture radar (SAR)
technology. In this paper, an energy-efficient passive UAV radar imaging system
using illuminators of opportunity is first proposed and investigated. Equipped
with a SAR receiver, the UAV platform passively reuses the backscattered signal
of the target scene from an external illuminator, such as SAR satellite, GNSS
or ground-based stationary commercial illuminators, and achieves bi-static SAR
imaging and data communication. The system can provide instant accessibility to
the radar image of the interested targets with enhanced platform concealment,
which is an essential tool for stealth observation and scene monitoring. The
mission concept and system block diagram are first presented with
justifications on the advantages of the system. Then, a set of mission
performance evaluators is established to quantitatively assess the capability
of the system in a comprehensive manner, including UAV navigation, passive SAR
imaging and communication. Finally, the validity of the proposed performance
evaluators are verified by numerical simulations.
- Abstract（参考訳）: 無人航空機(UAV)は、合成開口レーダー(SAR)技術を用いた高度リモートセンシングアプリケーションのための理想的なプラットフォームである現代のレーダーイメージングシステムにおいて、優れた柔軟性とコスト効率を提供することができる。
本稿では、まず、機会のイルミネータを用いたエネルギー効率の高い受動型UAVレーダイメージングシステムを提案する。
SAR受信機を装備したUAVプラットフォームは、SAR衛星、GNSS、地上ベースの静止式商用イルミネーターなどの外部イルミネーターからターゲットシーンの後方散乱信号を受動的に再利用し、バイスタティックSARイメージングとデータ通信を行う。
本システムは,ステルス観測とシーン監視に不可欠なプラットフォーム隠蔽機能を備えた,興味のあるターゲットのレーダ画像への即時アクセス性を提供する。
ミッションの概念とシステムブロックダイアグラムは、まず、システムの利点に関する正当化と共に提示される。
次に、UAVナビゲーション、受動SARイメージング、通信を含むシステムの性能を包括的に定量的に評価するために、ミッションパフォーマンス評価器のセットを確立する。
最後に,提案手法の有効性を数値シミュレーションにより検証した。
関連論文リスト
- NeRF-enabled Analysis-Through-Synthesis for ISAR Imaging of Small Everyday Objects with Sparse and Noisy UWB Radar Data [3.2053758046072254]
Inverse Synthetic Aperture Radar (ISAR)イメージングは、小さな日常の物体に関しては、非常に難しい課題である。
バックプロジェクション(BP)を含む既存のISAR再構築手法は、複雑なセットアップと制御された環境を必要とすることが多い。
小型物体の高分解能コヒーレントISARイメージングのための解析スルー合成(ATS)フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-14T01:57:49Z) - Active Reconfigurable Intelligent Surface Empowered Synthetic Aperture Radar Imaging [18.482494583284627]
SAR(Synthetic Aperture Radar)は、レーダーアンテナの特定の領域への移動を利用して高分解能撮像を実現する。
提案するARIS搭載SARシステムの撮像結果を得るために,レンジドップラー (RD) イメージングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-18T06:33:11Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Perception-and-Energy-aware Motion Planning for UAV using Learning-based
Model under Heteroscedastic Uncertainty [1.223779595809275]
本研究では, 否定された環境下でのUAVに対する知覚とエネルギーを意識した動作計画を提案する。
高忠実度シミュレータは、飛行データセットを取得し、LiDAR測定に関連するUAVのエネルギー消費と異種不確かさを学習する。
学習したモデルにより、オンラインプランナーはエネルギー消費と知覚品質を推定し、UAV電池の使用量とローカライズエラーを低減できる。
論文 参考訳（メタデータ） (2023-09-25T16:34:54Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Safe Vessel Navigation Visually Aided by Autonomous Unmanned Aerial
Vehicles in Congested Harbors and Waterways [9.270928705464193]
この研究は、従来のRGBカメラと補助的な絶対位置決めシステム(GPSなど)で捉えた長距離視覚データから未知の物体までの距離を検知し推定する最初の試みである。
シミュレーション結果は,UAV支援艦艇の視覚支援航法における提案手法の精度と有効性を示すものである。
論文 参考訳（メタデータ） (2021-08-09T08:15:17Z) - RIS-assisted UAV Communications for IoT with Wireless Power Transfer
Using Deep Reinforcement Learning [75.677197535939]
無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。
第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。
マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-05T23:55:44Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳（メタデータ） (2021-06-06T14:08:41Z) - Rethinking of Radar's Role: A Camera-Radar Dataset and Systematic
Annotator via Coordinate Alignment [38.24705460170415]
CRUWと呼ばれる新しいデータセットを体系的なアノテーションとパフォーマンス評価システムで提案する。
CRUWは、レーダーの無線周波数(RF)画像から3Dのオブジェクトを純粋に分類し、ローカライズすることを目指しています。
私たちの知る限り、CRUWは体系的なアノテーションと評価システムを備えた最初の公開大規模データセットです。
論文 参考訳（メタデータ） (2021-05-11T17:13:45Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。