論文の概要: On Target Detection by Quantum Radar (Preprint)

• arxiv url: http://arxiv.org/abs/2403.00047v1
• Date: Thu, 29 Feb 2024 18:58:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 19:13:48.302855
• Title: On Target Detection by Quantum Radar (Preprint)
• Title（参考訳）: 量子レーダによるターゲット検出について(プレプリント)
• Authors: Gaspare Galati, Gabriele Pavan
• Abstract要約: ノイズレーダと量子レーダは、送信信号のランダム性を利用して、レーダの隠蔽性を高め、相互干渉を低減する。 様々な量子レーダーの提案は有用な結果、特にステルスターゲットの検出に限られるものではない。
• 参考スコア（独自算出の注目度）: 1.0878040851637998
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Both Noise Radar and Quantum Radar, with some alleged common features, exploit the randomness of the transmitted signal to enhance radar covertness and to reduce mutual interference. While Noise Radar has been prototypically developed and successfully tested in many environments by different organizations, the significant investments on Quantum Radar seem not to be followed by practically operating prototypes or demonstrators. Starting from the trivial fact that radar detection depends on the energy transmitted on the target and backscattered by it, some detailed evaluations in this work show that the detection performance of all the proposed QR types in the literature are orders of magnitude below the ones of a much simpler and cheaper equivalent classica radar set, in particular of the NR type. Moreover, the absence of a, sometimes alleged, Quantum radar cross section different from the radar cross section is explained. Hence, the various Quantum Radar proposals cannot lead to any useful result, especially, but not limited to, the alleged detection of stealth targets.
• Abstract（参考訳）: ノイズレーダーと量子レーダーは共通の特徴を持つとして、送信信号のランダム性を利用してレーダーの隠蔽性を高め、相互干渉を減らす。 ノイズレーダーは様々な組織によって多くの環境でプロトタイプ開発と試験が成功裏に行われているが、量子レーダーへの多大な投資は実際に運用されているプロトタイプやデモ機には続かなかったようである。 本研究の詳細な評価は, レーダー検出がターゲットに伝達されるエネルギーに依存しているという自明な事実から, 文献中の全てのQRタイプの検出性能が, NRタイプにおいて, より単純で安価な等価な古典的レーダーセットよりも桁違いであることを示している。 さらに、レーダ断面積と異なる量子レーダ断面積の欠如についても解説する。 したがって、様々な量子レーダーの提案は、特にステルスターゲットの発見という主張に限らず、有用な結果をもたらすことはできない。

関連論文リスト

• Long-Range Entangled Quantum Noise Radar Over Order of Kilometer [0.0]
  本稿では,量子2モード圧縮(QTMS)レーダーの最大検出範囲の明示的表現を導出した。 本稿では,QTMSレーダを閾値信号対雑音比の低減した従来のレーダとみなすことができることを示す。 都市部での小型無人航空機の認識に適した最大検出範囲が最大2kmのQTMSレーダを実装することが可能である。
  論文  参考訳（メタデータ） (2024-06-15T07:13:42Z)
• 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)
• 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)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Entanglement-assisted multi-aperture pulse-compression radar for angle resolving detection [5.109700506364796]
  絡み合いは、ノイズの少ない伝播によって破壊されているにもかかわらず、目標検出を促進することが知られている。 本研究では, 量子パルス圧縮レーダを提案し, 対象範囲推定に対する絡み合いの利点を拡大する。
  論文  参考訳（メタデータ） (2022-07-22T05:22:50Z)
• Unsupervised Domain Adaptation across FMCW Radar Configurations Using Margin Disparity Discrepancy [17.464353263281907]
  本研究では、ディープラーニングの人間活動分類の文脈において、レーダー構成にまたがる非教師なし領域適応の問題を考える。 我々は、コンピュータビジョンの分野ですでに成功している、Margin Disparity Discrepancyの理論に触発されたテクニックに焦点を当てた。 我々の実験は、この手法をレーダーデータに拡張し、同じ分類問題に対する少数ショット教師付きアプローチに匹敵する精度を達成した。
  論文  参考訳（メタデータ） (2022-03-09T09:11:06Z)
• Radar-based Materials Classification Using Deep Wavelet Scattering Transform: A Comparison of Centimeter vs. Millimeter Wave Units [0.0]
  本研究では、Vayyar ImagingによるWalabot-3D (6.3-8 GHz)cm波と ImageVK-74 (62-69 GHz)mm波イメージングの2つの周波数範囲のレーダーユニットについて検討する。
  論文  参考訳（メタデータ） (2022-02-08T02:07:14Z)
• Anomaly Detection in Radar Data Using PointNets [7.3600716208089825]
  異常なレーダーターゲットを検出するために,PointNetsに基づく手法を提案する。 本手法は都市シナリオにおける実世界のデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-20T10:02:24Z)
• 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)
• RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
  我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。 我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
  論文  参考訳（メタデータ） (2020-07-28T17:15:02Z)

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。