論文の概要: Poisson Conjugate Prior for PHD Filtering based Track-Before-Detect
Strategies in Radar Systems
- arxiv url: http://arxiv.org/abs/2302.11356v1
- Date: Wed, 22 Feb 2023 13:03:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-23 15:14:44.020365
- Title: Poisson Conjugate Prior for PHD Filtering based Track-Before-Detect
Strategies in Radar Systems
- Title(参考訳): レーダーシステムにおけるphdフィルタリングに基づくトラック前検出戦略のためのポアソン共役前処理
- Authors: Haiyi Mao, Cong Peng, Yue Liu, Jinping Tang, Hua Peng and Wei Yi
- Abstract要約: 本稿では,低信号対雑音比(SNR)シナリオに対するTBD-PHDフィルタの原理的閉形式解を提案する。
また、レーダ系に対して、動的および振幅エコーモデルの連続モンテカルロ実装を提案する。
- 参考スコア(独自算出の注目度): 9.04251355210029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A variety of filters with track-before-detect (TBD) strategies have been
developed and applied to low signal-to-noise ratio (SNR) scenarios, including
the probability hypothesis density (PHD) filter. Assumptions of the standard
point measurement model based on detect-before-track (DBT) strategies are not
suitable for the amplitude echo model based on TBD strategies. However, based
on different models and unmatched assumptions, the measurement update formulas
for DBT-PHD filter are just mechanically applied to existing TBD-PHD filters.
In this paper, based on the Kullback-Leibler divergence minimization criterion,
finite set statistics theory and rigorous Bayes rule, a principled closed-form
solution of TBD-PHD filter is derived. Furthermore, we emphasize that PHD
filter is conjugated to the Poisson prior based on TBD strategies. Next, a
capping operation is devised to handle the divergence of target number
estimation as SNR increases. Moreover, the sequential Monte Carlo
implementations of dynamic and amplitude echo models are proposed for the radar
system. Finally, Monte Carlo experiments exhibit good performance in Rayleigh
noise and low SNR scenarios.
- Abstract(参考訳): PHDフィルタを含む低信号対雑音比 (SNR) のシナリオに対して, トラック前検出 (TBD) 戦略を用いた様々なフィルタを開発し, 適用した。
TBD戦略に基づく振幅エコーモデルには,DBT戦略に基づく標準点計測モデルの仮定は適していない。
しかし,DBT-PHDフィルタの測定更新公式は,異なるモデルと未整合仮定に基づいて,既存のTBD-PHDフィルタに機械的に適用される。
本稿では,kullback-leibler 発散最小化基準,有限集合統計理論,厳密ベイズ則に基づいて,tbd-phdフィルタの原理的閉形式解を求める。
さらに,TBD戦略に基づいて,PHDフィルタをポアソンに共役させることを強調した。
次に、SNRの増加に伴ってターゲット数推定のばらつきを処理するために、キャッピング操作を考案する。
さらに, 動的および振幅エコーモデルの逐次モンテカルロ実装がレーダシステムに対して提案されている。
最後に、モンテカルロ実験はレイリーノイズと低SNRシナリオにおいて優れた性能を示す。
関連論文リスト
- Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳(メタデータ) (2024-02-15T08:51:49Z) - Model-Based Reparameterization Policy Gradient Methods: Theory and
Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。
近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。
本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文 参考訳(メタデータ) (2023-10-30T18:43:21Z) - Nonlinear Filtering with Brenier Optimal Transport Maps [4.745059103971596]
本稿では,非線形フィルタリング,すなわち動的システムの状態の条件分布の計算の問題について述べる。
従来の逐次重要再サンプリング(SIR)粒子フィルタは、縮退確率や高次元状態を含むシナリオにおいて、基本的な制限に悩まされる。
本稿では,Brenier 最適輸送 (OT) マップを,現在の状態の分布から次のステップにおける後部分布へ推定する手法について検討する。
論文 参考訳(メタデータ) (2023-10-21T01:34:30Z) - A Data-Driven Gaussian Process Filter for Electrocardiogram Denoising [5.359295206355495]
提案したGPフィルタをPhyloNet QT Database上の最先端ウェーブレットベースフィルタと比較した。
提案したGPフィルタは, 試験された全てのノイズレベルに対して, ベンチマークフィルタより優れていた。
また、QT間隔推定誤差バイアスと分散の観点から、最先端フィルタよりも優れている。
論文 参考訳(メタデータ) (2023-01-06T17:09:20Z) - A Provably Efficient Model-Free Posterior Sampling Method for Episodic
Reinforcement Learning [50.910152564914405]
強化学習のための既存の後方サンプリング手法は、モデルベースであるか、線形MDPを超える最悪の理論的保証がないかによって制限される。
本稿では,理論的保証を伴うより一般的な補足的強化学習問題に適用可能な,後部サンプリングのモデルフリーな新しい定式化を提案する。
論文 参考訳(メタデータ) (2022-08-23T12:21:01Z) - Neural Network-augmented Kalman Filtering for Robust Online Speech
Dereverberation in Noisy Reverberant Environments [13.49645012479288]
ノイズローバストオンラインデバーベレーションのためのニューラルネットワーク拡張アルゴリズムを提案する。
提示されたフレームワークは、単一チャネルのノイズの多い残響データセット上で堅牢なデバーベレーションを可能にする。
論文 参考訳(メタデータ) (2022-04-06T11:38:04Z) - Deep Learning for the Benes Filter [91.3755431537592]
本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。
ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
論文 参考訳(メタデータ) (2022-03-09T14:08:38Z) - Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
ガウス過程回帰に基づく適応型低域通過フィルタを提案する。
本研究では,提案手法の誤差が一様境界であることを示す。
論文 参考訳(メタデータ) (2021-11-05T17:06:59Z) - Predicting Flat-Fading Channels via Meta-Learned Closed-Form Linear
Filters and Equilibrium Propagation [38.42468500092177]
フェーディングチャネルの予測は、様々なアプリケーションにおいて古典的な問題である。
実際、ドップラースペクトルは未知であり、予測器は推定チャネルの限られた時系列にしかアクセスできない。
本稿では,チャネルフェード予測のためのトレーニングデータの観点から,メタラーニングを活用して要件を緩和することを提案する。
論文 参考訳(メタデータ) (2021-10-01T14:00:23Z) - On Projection Robust Optimal Transport: Sample Complexity and Model
Misspecification [101.0377583883137]
射影ロバスト(PR)OTは、2つの測度の間のOTコストを最大化するために、射影可能な$k$次元部分空間を選択する。
私たちの最初の貢献は、PRワッサーシュタイン距離のいくつかの基本的な統計的性質を確立することである。
次に、部分空間を最適化するのではなく平均化することにより、PRW距離の代替として積分PRワッサーシュタイン距離(IPRW)を提案する。
論文 参考訳(メタデータ) (2020-06-22T14:35:33Z) - Deep Reinforcement Learning-Based Beam Tracking for Low-Latency Services
in Vehicular Networks [39.407929561526906]
ミリ波帯の車両ネットワークにおける超信頼性・低レイテンシ通信(URLLC)は大きな課題である。
本稿では,まず,拡張カルマンフィルタ (EKF) や粒子フィルタ (PF) などの古典的手法を改良した。
次に、典型的な交差点シナリオにおいて、URLLC要求を達成することができる強化学習(RL)ベースのアプローチを提案する。
論文 参考訳(メタデータ) (2020-02-13T15:21:24Z)
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。