論文の概要: Study on the Data Storage Technology of Mini-Airborne Radar Based on Machine Learning

• arxiv url: http://arxiv.org/abs/2303.07407v1
• Date: Fri, 3 Mar 2023 13:09:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-19 11:48:47.899999
• Title: Study on the Data Storage Technology of Mini-Airborne Radar Based on Machine Learning
• Title（参考訳）: 機械学習に基づく小型空中レーダのデータ保存技術に関する研究
• Authors: Haishan Tian, Qiong Yang, Huabing Wang, Jingke Zhang
• Abstract要約: 航空機搭載レーダーのデータ転送速度は、多くの検出アプリケーションにおいて、無線データ転送速度よりもはるかに高い。 データストレージの速度に深刻な影響を与える長期ファイル管理の問題がある。 小型空対空レーダーにおいて,機械学習に基づくデータ格納手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The data rate of airborne radar is much higher than the wireless data transfer rate in many detection applications, so the onboard data storage systems are usually used to store the radar data. Data storage systems with good seismic performance usually use NAND Flash as storage medium, and there is a widespread problem of long file management time, which seriously affects the data storage speed, especially under the limitation of platform miniaturization. To solve this problem, a data storage method based on machine learning is proposed for mini-airborne radar. The storage training model is established based on machine learning, and could process various kinds of radar data. The file management methods are classified and determined using the model, and then are applied to the storage of radar data. To verify the performance of the proposed method, a test was carried out on the data storage system of a mini-airborne radar. The experimental results show that the method based on machine learning can form various data storage methods adapted to different data rates and application scenarios. The ratio of the file management time to the actual data writing time is extremely low.
• Abstract（参考訳）: 空中レーダのデータ転送速度は、多くの検出アプリケーションにおいて無線データ転送レートよりもはるかに高いため、搭載されたデータストレージシステムは通常、レーダデータを格納するために使用される。 優れた耐震性能を持つデータストレージシステムは、通常、NAND Flashを記憶媒体として使用しており、特にプラットフォームの小型化の制限下では、データストレージの速度に深刻な影響を及ぼす長期ファイル管理の問題がある。 この問題を解決するために,小型空対空レーダに機械学習に基づくデータストレージ手法を提案する。 ストレージトレーニングモデルは、機械学習に基づいて確立され、様々な種類のレーダーデータを処理できる。 このモデルを用いてファイル管理手法を分類して決定し、レーダデータの保存に適用する。 提案手法の性能を検証するため,小型航空機搭載レーダのデータストレージシステム上で実験を行った。 実験結果から、機械学習に基づく手法は、異なるデータレートやアプリケーションシナリオに適応した様々なデータストレージ手法を構築できることが示された。 ファイル管理時間と実際のデータ書き込み時間との比率は極めて低い。

関連論文リスト

• RadarPillars: Efficient Object Detection from 4D Radar Point Clouds [42.9356088038035]
  本稿では,柱型物体検出ネットワークRadarPillarsを提案する。 放射速度データを分解することにより、RadarPillarsは、View-of-Delftデータセットの最先端検出結果を大幅に上回る。 これはパラメータ数を大幅に削減し、既存のメソッドを効率面で上回り、エッジデバイス上でのリアルタイムパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-08-09T12:13:38Z)
• 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)
• Leveraging Self-Supervised Instance Contrastive Learning for Radar Object Detection [7.728838099011661]
  本稿では,レーダ物体検出装置を事前訓練する際,RCLを例に紹介する。 我々は、より少ないデータで学習するために、物体検出器のバックボーン、頭、首を事前訓練することを目指している。
  論文  参考訳（メタデータ） (2024-02-13T12:53:33Z)
• Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
  無線信号認識は電子戦において重要な機能である。 電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。 ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
  論文  参考訳（メタデータ） (2023-12-15T01:56:27Z)
• RadarFormer: Lightweight and Accurate Real-Time Radar Object Detection Model [13.214257841152033]
  レーダー中心のデータセットは、レーダー知覚のためのディープラーニング技術の開発にはあまり注目されていない。 本稿では,視覚深層学習における最先端技術を活用したトランスフォーマーモデルRadarFormerを提案する。 また、チャネルチャープ時マージモジュールを導入し、精度を損なうことなく、モデルのサイズと複雑さを10倍以上に削減する。
  論文  参考訳（メタデータ） (2023-04-17T17:07:35Z)
• ADCNet: Learning from Raw Radar Data via Distillation [3.519713957675842]
  レーダーベースのシステムは、LiDARベースのシステムよりも低コストで、悪天候に対して堅牢である。 最近の研究は、最終的なレーダー点雲の代わりに、生のレーダーデータを消費することに焦点を当てている。 我々は,信号処理パイプラインの要素を我々のネットワークに持ち込み,信号処理タスクの事前学習を行うことで,検出性能の状態を達成できることを示す。
  論文  参考訳（メタデータ） (2023-03-21T13:31:15Z)
• Memory Replay with Data Compression for Continual Learning [80.95444077825852]
  古いトレーニングサンプルの記憶コストを低減するため,データ圧縮によるメモリリプレイを提案する。 我々はこれを、クラスインクリメンタル学習のいくつかのベンチマークと、自律運転のためのオブジェクト検出の現実的なシナリオにおいて、広範囲に検証する。
  論文  参考訳（メタデータ） (2022-02-14T10:26:23Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks [40.736632681576786]
  本稿では,レーダシステムデータストリーム中の異常を検出するためのディープラーニングに基づく手法を提案する。 提案手法により,データストリーム内のクリティカルフィールドの不正な操作を検出することができる。 実験では,様々なデータストリーム操作攻撃に対して高い検出精度を示す。
  論文  参考訳（メタデータ） (2021-06-13T19:16:37Z)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)

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。