論文の概要: Towards Radar Emitter Recognition in Changing Environments with Domain
Generalization
- arxiv url: http://arxiv.org/abs/2302.09359v1
- Date: Sat, 18 Feb 2023 15:04:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 19:05:49.638191
- Title: Towards Radar Emitter Recognition in Changing Environments with Domain
Generalization
- Title(参考訳): 領域一般化を伴う環境変化におけるレーダエミッタ認識に向けて
- Authors: Honglin Wu, Xueqiong Li, Long Lan, Liyang Xu, Yuhua Tang
- Abstract要約: 実世界では、変化するEW環境は、一貫性のない信号分布をもたらす。
変化環境における信号認識の適応性を改善するための新しい領域一般化フレームワークを提案する。
- 参考スコア(独自算出の注目度): 6.759416353203432
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analyzing radar signals from complex Electronic Warfare (EW) environment is a
non-trivial task.However, in the real world, the changing EW environment
results in inconsistent signal distribution, such as the pulse repetition
interval (PRI) mismatch between different detected scenes.In this paper, we
propose a novel domain generalization framework to improve the adaptability of
signal recognition in changing environments.Specifically, we first design
several noise generators to simulate varied scenes. Different from conventional
augmentation methods, our introduced generators carefully enhance the diversity
of the detected signals and meanwhile maintain the semantic features of the
signals. Moreover, we propose a signal scene domain classifier that works in
the manner of adversarial learning. The proposed classifier guarantees the
signal predictor to generalize to different scenes. Extensive comparative
experiments prove the proposed method's superiority.
- Abstract(参考訳): Analyzing radar signals from complex Electronic Warfare (EW) environment is a non-trivial task.However, in the real world, the changing EW environment results in inconsistent signal distribution, such as the pulse repetition interval (PRI) mismatch between different detected scenes.In this paper, we propose a novel domain generalization framework to improve the adaptability of signal recognition in changing environments.Specifically, we first design several noise generators to simulate varied scenes.
従来の拡張手法と異なり,検出した信号の多様性を慎重に向上するとともに,信号の意味的特徴も維持する。
さらに, 逆学習の手法で機能する信号シーン領域分類器を提案する。
提案する分類器は、信号予測器が異なるシーンに一般化することを保証している。
広範な比較実験により,提案手法の優越性が証明された。
関連論文リスト
- Towards Full-scene Domain Generalization in Multi-agent Collaborative
Bird's Eye View Segmentation for Connected and Autonomous Driving [54.60458503590669]
協調認識の学習段階と推論段階の両方に適用可能な統合ドメイン一般化フレームワークを提案する。
我々は、AmpAug(Amplitude Augmentation)法を用いて、低周波画像の変動を増大させ、学習能力を拡大する。
推論フェーズでは、システム内ドメインアライメント機構を導入し、ドメインの不一致を減らし、潜在的に排除する。
論文 参考訳(メタデータ) (2023-11-28T12:52:49Z) - Implicit neural representation for change detection [15.741202788959075]
点雲の変化を検出する最も一般的なアプローチは、教師付き手法に基づいている。
Inlicit Neural Representation (INR) for continuous shape reconstruction と Gaussian Mixture Model for categorising change の2つのコンポーネントからなる教師なしアプローチを提案する。
本手法を都市スプロールのためのシミュレーションLiDAR点雲からなるベンチマークデータセットに適用する。
論文 参考訳(メタデータ) (2023-07-28T09:26:00Z) - Multi-task Learning for Radar Signal Characterisation [52.82104394081535]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。
本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。
合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文 参考訳(メタデータ) (2023-06-19T12:01:28Z) - Few-Shot Audio-Visual Learning of Environment Acoustics [89.16560042178523]
室内インパルス応答 (RIR) 関数は、周囲の物理的環境がリスナーが聴く音をどう変換するかをキャプチャする。
我々は、空間で観測された画像とエコーのスパースセットに基づいて、RIRを推測する方法を探る。
3次元環境のための最先端オーディオ視覚シミュレータを用いた実験において,本手法が任意のRIRを生成できることを実証した。
論文 参考訳(メタデータ) (2022-06-08T16:38:24Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳(メタデータ) (2022-05-24T10:20:16Z) - PILOT: Introducing Transformers for Probabilistic Sound Event
Localization [107.78964411642401]
本稿では,受信したマルチチャンネル音声信号の時間的依存性を自己アテンション機構によってキャプチャする,トランスフォーマーに基づく新しい音声イベント定位フレームワークを提案する。
このフレームワークは, 公開されている3つの音声イベントローカライズデータセットを用いて評価し, 局所化誤差と事象検出精度の点で最先端の手法と比較した。
論文 参考訳(メタデータ) (2021-06-07T18:29:19Z) - Class-Conditional Defense GAN Against End-to-End Speech Attacks [82.21746840893658]
本稿では,DeepSpeech や Lingvo といった先進的な音声テキストシステムを騙すために開発された,エンドツーエンドの敵対攻撃に対する新しいアプローチを提案する。
従来の防御手法とは異なり、提案手法は入力信号のオートエンコードのような低レベル変換を直接利用しない。
我々の防衛GANは、単語誤り率と文レベルの認識精度において、従来の防衛アルゴリズムよりもかなり優れています。
論文 参考訳(メタデータ) (2020-10-22T00:02:02Z) - Multi-level Stress Assessment Using Multi-domain Fusion of ECG Signal [1.52292571922932]
複数のストレスレベルを持つデータセットを導入し、新しいディープラーニングアプローチを用いてこれらのレベルを分類する。
信号画像は時間周波数領域と周波数領域に変換してマルチモーダル・マルチドメイン化した。
提案された融合フレームワークとECG信号による画像変換により、平均精度は85.45%に達する。
論文 参考訳(メタデータ) (2020-08-12T18:08:35Z) - Gravitational-wave selection effects using neural-network classifiers [0.0]
我々は、コンパクトバイナリ・マージから重力波信号のLIGO/Virgo検出性を予測するために、一連のニューラルネットワーク分類器を訓練する。
スピン沈降、高次モード、複数検出器の影響を含める。
我々のアプローチは完全なパイプライン注入と併用できるので、天体物理学とノイズトリガーの実際の分布を重力波の人口分析に含めるための道を開くことができる。
論文 参考訳(メタデータ) (2020-07-13T18:00:04Z)
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。