Fugu-MT 論文翻訳(概要): Adaptive LPD Radar Waveform Design with Generative Deep Learning

論文の概要: Adaptive LPD Radar Waveform Design with Generative Deep Learning

arxiv url: http://arxiv.org/abs/2403.12254v1
Date: Mon, 18 Mar 2024 21:07:57 GMT
ステータス: 処理完了
システム内更新日: 2024-03-20 18:02:18.217520
Title: Adaptive LPD Radar Waveform Design with Generative Deep Learning
Title（参考訳）: 生成ディープラーニングを用いた適応LDDレーダ波形設計
Authors: Matthew R. Ziemann, Christopher A. Metzler,
Abstract要約: 本稿では,検出レーダ波形の低確率を適応的に生成する新しい学習手法を提案する。提案手法では,検出可能性の最大90%を低減できるLPD波形を生成できると同時に,アンビグニティ関数(センシング)特性も向上する。
参考スコア（独自算出の注目度）: 6.21540494241516
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel, learning-based method for adaptively generating low probability of detection (LPD) radar waveforms that blend into their operating environment. Our waveforms are designed to follow a distribution that is indistinguishable from the ambient radio frequency (RF) background -- while still being effective at ranging and sensing. To do so, we use an unsupervised, adversarial learning framework; our generator network produces waveforms designed to confuse a critic network, which is optimized to differentiate generated waveforms from the background. To ensure our generated waveforms are still effective for sensing, we introduce and minimize an ambiguity function-based loss on the generated waveforms. We evaluate the performance of our method by comparing the single-pulse detectability of our generated waveforms with traditional LPD waveforms using a separately trained detection neural network. We find that our method can generate LPD waveforms that reduce detectability by up to 90% while simultaneously offering improved ambiguity function (sensing) characteristics. Our framework also provides a mechanism to trade-off detectability and sensing performance.
Abstract（参考訳）: 本研究では,その動作環境に混在する低検出(LPD)レーダ波形を適応的に生成する新しい学習手法を提案する。私たちの波形は、周囲の無線周波数(RF)の背景と区別できない分布に従うように設計されています。生成ネットワークは、生成した波形を背景から区別するために最適化された、批評家ネットワークを混乱させるように設計された波形を生成する。生成した波形がまだ検出に有効であることを確かめるために、生成した波形にあいまいさ関数に基づく損失を導入し、最小化する。本研究では, 従来のLPD波形と比較し, 独立に学習した検出ニューラルネットワークを用いて, 単一パルス検出性能の評価を行った。提案手法では,検出性を最大90%低減するLPD波形を生成できると同時に,両義性関数(センサ)特性を向上できることがわかった。私たちのフレームワークは、検出性と検知性能をトレードオフするメカニズムも提供しています。

関連論文リスト

WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文参考訳（メタデータ） (2024-07-18T11:51:01Z)
Waveform Manipulation Against DNN-based Modulation Classification Attacks [2.8475397246467575]
本稿では,無線通信信号の変調学習にDeep Neural Network (DNN) を用いた盗聴者に対する防御手法を提案する。本手法は,変調データと混合した連続時間周波数変調(FM)難読化信号を用いて出力波形を操作することに基づく。その結果, 難聴波形のパラメータを慎重に選択することで, AWGNでは10%未満に, LRxでは性能損失が無く, フェーディングチャネルでは10%以下に分類性能を低下させることができることがわかった。
論文参考訳（メタデータ） (2023-10-03T09:03:34Z)
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)
Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
論文参考訳（メタデータ） (2022-12-10T20:15:23Z)
Online Learning-based Waveform Selection for Improved Vehicle Recognition in Automotive Radar [8.113163502779175]
本稿では,オンライン強化学習に基づく波形選択に関する重要な考察と課題について述べる。本稿では,トンプソンサンプリングに基づく新しい学習手法を提案する。
論文参考訳（メタデータ） (2022-12-01T16:10:30Z)
SpecGrad: Diffusion Probabilistic Model based Neural Vocoder with Adaptive Noise Spectral Shaping [51.698273019061645]
SpecGradは拡散雑音に適応し、その時間変化スペクトル包絡が条件付き対数メル分光器に近づく。時間周波数領域で処理され、計算コストは従来のDDPMベースのニューラルボコーダとほぼ同じである。
論文参考訳（メタデータ） (2022-03-31T02:08:27Z)
Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
論文参考訳（メタデータ） (2022-02-07T18:57:23Z)
Low-Interception Waveform: To Prevent the Recognition of Spectrum Waveform Modulation via Adversarial Examples [6.378498479725599]
本稿では,第3者によって認識される変調の確率を,友好者間の信頼性の高い通信に影響を与えることなく低減できる低応答波形(LIW)生成法を提案する。我々のLIWは,物理ハードウェア実験においても高い低入力性能を示し,その精度を15%程度まで下げることができた。
論文参考訳（メタデータ） (2022-01-20T08:13:04Z)
Waveform Selection for Radar Tracking in Target Channels With Memory via Universal Learning [14.796960833031724]
シーンの状態に関する部分的な情報を用いてレーダーの波形を適応させることは、多くの現実的なシナリオにおいてパフォーマンス上の利点をもたらすことが示されている。本研究では,レーダ環境インタフェースの圧縮モデルを構築するレーダシステムについて,文脈木として検討する。提案手法はシミュレーション実験で検証され、2つの最先端波形選択方式による追従性能の向上が示されている。
論文参考訳（メタデータ） (2021-08-02T21:27:56Z)
Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文参考訳（メタデータ） (2021-06-23T18:00:05Z)
Constrained Contextual Bandit Learning for Adaptive Radar Waveform Selection [14.796960833031724]
適応レーダシステムが有限状態目標チャネルと繰り返し相互作用する逐次決定過程について検討する。レーダーは受動的に波形の選択プロセスに側面情報を提供する規則的な間隔でスペクトルを感知できます。波形選択問題は線形文脈バンディット定式化を用いて効果的に解決できることを示す。
論文参考訳（メタデータ） (2021-03-09T16:43:50Z)

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。