論文の概要: Deep Learning-Based Multiband Signal Fusion for 3-D SAR Super-Resolution
- arxiv url: http://arxiv.org/abs/2305.02017v1
- Date: Wed, 3 May 2023 10:14:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 15:23:59.038853
- Title: Deep Learning-Based Multiband Signal Fusion for 3-D SAR Super-Resolution
- Title（参考訳）: 3次元SAR超解像のための深層学習に基づくマルチバンド信号融合
- Authors: Josiah Smith, Murat Torlak
- Abstract要約: 本研究では,マルチバンド信号融合における深層学習の初利用について述べる。
商用ミリ波レーダ(mmWave)を用いて,完全統合マルチバンドイメージングシステムを開発した。
- 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: Three-dimensional (3-D) synthetic aperture radar (SAR) is widely used in many
security and industrial applications requiring high-resolution imaging of
concealed or occluded objects. The ability to resolve intricate 3-D targets is
essential to the performance of such applications and depends directly on
system bandwidth. However, because high-bandwidth systems face several
prohibitive hurdles, an alternative solution is to operate multiple radars at
distinct frequency bands and fuse the multiband signals. Current multiband
signal fusion methods assume a simple target model and a small number of point
reflectors, which is invalid for realistic security screening and industrial
imaging scenarios wherein the target model effectively consists of a large
number of reflectors. To the best of our knowledge, this study presents the
first use of deep learning for multiband signal fusion. The proposed network,
called kR-Net, employs a hybrid, dual-domain complex-valued convolutional
neural network (CV-CNN) to fuse multiband signals and impute the missing
samples in the frequency gaps between subbands. By exploiting the relationships
in both the wavenumber domain and wavenumber spectral domain, the proposed
framework overcomes the drawbacks of existing multiband imaging techniques for
realistic scenarios at a fraction of the computation time of existing multiband
fusion algorithms. Our method achieves high-resolution imaging of intricate
targets previously impossible using conventional techniques and enables finer
resolution capacity for concealed weapon detection and occluded object
classification using multiband signaling without requiring more advanced
hardware. Furthermore, a fully integrated multiband imaging system is developed
using commercially available millimeter-wave (mmWave) radars for efficient
multiband imaging.
- Abstract（参考訳）: 三次元3次元合成開口レーダー(SAR)は、隠蔽または隠蔽された物体の高分解能イメージングを必要とする多くのセキュリティおよび産業用途で広く利用されている。
複雑な3Dターゲットを解決する能力は、そのようなアプリケーションの性能に不可欠であり、システム帯域に直接依存する。
しかし、高帯域幅システムはいくつかの禁止ハードルに直面しているため、別の解決策は複数のレーダーを異なる周波数帯域で動作させ、マルチバンド信号を融合させることである。
現在のマルチバンド信号融合法は、単純なターゲットモデルと少数のポイントリフレクタを想定しており、実際のセキュリティスクリーニングや産業用イメージングシナリオでは無効であり、ターゲットモデルは多数のリフレクタから効果的に構成されている。
そこで本研究では,マルチバンド信号融合における深層学習の初利用について述べる。
提案するネットワークはkr-netと呼ばれ、二重ドメイン複素値畳み込みニューラルネットワーク(cv-cnn)を用いてマルチバンド信号を融合し、サブバンド間の周波数ギャップに欠落サンプルを注入する。
提案手法は、波数領域と波数スペクトル領域の両方の関係を利用して、既存のマルチバンド融合アルゴリズムの計算時間のごく一部で、現実的なシナリオに対する既存のマルチバンドイメージング技術の欠点を克服する。
従来は不可能だった複雑なターゲットの高分解能撮像を実現し,より高度なハードウェアを必要とせず,マルチバンド信号を用いた隠蔽兵器検出と隠蔽対象分類のための微細化能力を実現する。
さらに, 商業用ミリ波レーダを用いた完全統合マルチバンドイメージングシステムを構築し, 効率的なマルチバンドイメージングを実現する。
関連論文リスト
- M3DM-NR: RGB-3D Noisy-Resistant Industrial Anomaly Detection via Multimodal Denoising [63.39134873744748]
既存の産業異常検出手法は主に、原始RGB画像を用いた教師なし学習に重点を置いている。
本稿では,CLIPの強力なマルチモーダル識別機能を利用する新しい耐雑音性M3DM-NRフレームワークを提案する。
M3DM-NRは3D-RGBマルチモーダルノイズ異常検出において最先端の手法より優れていた。
論文 参考訳（メタデータ） (2024-06-04T12:33:02Z) - Enabling Visual Recognition at Radio Frequency [13.399148413043411]
PanoRadarは、RF分解能をLiDARに近づける新しいRFイメージングシステムである。
結果は、初めて、無線周波数での様々な視覚的認識タスクを可能にします。
以上の結果から,パノラダルの12棟の建物における堅牢な性能が示された。
論文 参考訳（メタデータ） (2024-05-29T20:52:59Z) - Multimodal Transformer Using Cross-Channel attention for Object Detection in Remote Sensing Images [1.662438436885552]
マルチモーダル融合は、複数のモーダルからのデータを融合することで精度を高めることが決定されている。
早期に異なるチャネル間の関係をマッピングするための新しいマルチモーダル融合戦略を提案する。
本手法は,中期・後期の手法とは対照的に,早期の融合に対処することにより,既存の手法と比較して,競争力や性能に優れる。
論文 参考訳（メタデータ） (2023-10-21T00:56:11Z) - Deep Reinforcement Learning for Interference Management in UAV-based 3D
Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。
干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文 参考訳（メタデータ） (2023-05-11T18:06:46Z) - Efficient 3-D Near-Field MIMO-SAR Imaging for Irregular Scanning
Geometries [0.0]
本研究では, 近接場合成開口レーダ (SAR) イメージングのための新しいアルゴリズムを提案する。
任意かつ不規則なサンプリング測地を数学的に分解する枠組みと,マルチスタティックアレイ画像アーティファクトのジョイントソリューションを提案する。
論文 参考訳（メタデータ） (2023-05-03T12:07:21Z) - Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。
本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
論文 参考訳（メタデータ） (2023-03-01T15:48:27Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳（メタデータ） (2022-02-26T14:51:02Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - Multi-hop RIS-Empowered Terahertz Communications: A DRL-based Hybrid
Beamforming Design [39.21220050099642]
テラヘルツ帯における無線通信 (0.1-10thz) は、将来の第6世代 (6g) 無線通信システムの鍵となる技術の一つとして考えられている。
マルチホップRIS対応通信ネットワークのための新しいハイブリッドビームフォーミング方式を提案し,THz帯域でのカバレッジ範囲を改善する。
論文 参考訳（メタデータ） (2021-01-22T14:56:28Z) - MuCAN: Multi-Correspondence Aggregation Network for Video
Super-Resolution [63.02785017714131]
ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。
フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。
VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
論文 参考訳（メタデータ） (2020-07-23T05:41:27Z) - Spatial-Spectral Residual Network for Hyperspectral Image
Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。
提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。
各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文 参考訳（メタデータ） (2020-01-14T03:34:55Z)
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。