Fugu-MT 論文翻訳(概要): Interference Motion Removal for Doppler Radar Vital Sign Detection Using Variational Encoder-Decoder Neural Network

論文の概要: Interference Motion Removal for Doppler Radar Vital Sign Detection Using Variational Encoder-Decoder Neural Network

arxiv url: http://arxiv.org/abs/2404.08298v1
Date: Fri, 12 Apr 2024 07:41:17 GMT
ステータス: 処理完了
システム内更新日: 2024-04-15 15:35:59.563398
Title: Interference Motion Removal for Doppler Radar Vital Sign Detection Using Variational Encoder-Decoder Neural Network
Title（参考訳）: 変分エンコーダ・デコーダニューラルネットワークを用いたドップラーレーダーバイタル信号検出のための干渉運動除去
Authors: Mikolaj Czerkawski, Christos Ilioudis, Carmine Clemente, Craig Michie, Ivan Andonovic, Christos Tachtatzis,
Abstract要約: 本稿では,確率論的深層学習モデルを用いた干渉除去手法を提案する。その結果、変分目的を持つ畳み込みエンコーダデコーダニューラルネットワークは、バイタルサインドップラー時間分布の有意義な表現空間を学習できることを示した。
参考スコア（独自算出の注目度）: 1.099532646524593
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The treatment of interfering motion contributions remains one of the key challenges in the domain of radar-based vital sign monitoring. Removal of the interference to extract the vital sign contributions is demanding due to overlapping Doppler bands, the complex structure of the interference motions and significant variations in the power levels of their contributions. A novel approach to the removal of interference through the use of a probabilistic deep learning model is presented. Results show that a convolutional encoder-decoder neural network with a variational objective is capable of learning a meaningful representation space of vital sign Doppler-time distribution facilitating their extraction from a mixture signal. The approach is tested on semi-experimental data containing real vital sign signatures and simulated returns from interfering body motions. The application of the proposed network enhances the extraction of the micro-Doppler frequency corresponding to the respiration rate is demonstrated.
Abstract（参考訳）: 干渉運動によるコントリビューションの処理は、レーダーベースのバイタルサイン監視の領域における重要な課題の1つとして残されている。バイタルサインの寄与を抽出するための干渉の除去は、重なり合うドップラーバンド、干渉運動の複雑な構造、およびそれらの寄与のパワーレベルの大きな変化によって要求される。本稿では,確率論的深層学習モデルを用いた干渉除去手法を提案する。その結果、変分目的を持つ畳み込みエンコーダ・デコーダニューラルネットワークは、混合信号からの抽出を容易にするバイタルサインドップラー時間分布の有意義な表現空間を学習できることを示した。この手法は、実際のバイタルサインシグネチャを含む半実験データと、干渉体の動きからのシミュレーションリターンで検証される。提案するネットワークの適用により,呼吸速度に応じたマイクロドップラー周波数の抽出が促進される。

関連論文リスト

Reconstructing Richtmyer-Meshkov instabilities from noisy radiographs using low dimensional features and attention-based neural networks [3.6270672925388263]
トレーニングされた注意に基づくトランスフォーマーネットワークは、Richtmyer-Meshkoff不安定性によって与えられる複雑なトポロジーを確実に回復することができる。このアプローチは、ICFのような二重貝殻流体力学シミュレーションで実証される。
論文参考訳（メタデータ） (2024-08-02T03:02:39Z)
On Input Formats for Radar Micro-Doppler Signature Processing by Convolutional Neural Networks [1.2499537119440245]
位相情報の有用性と畳み込みニューラルネットワークに対するドップラー時間入力の最適なフォーマットを解析する。畳み込みニューラルネットワーク分類器によって達成された性能は入力表現の種類に大きく影響されている。
論文参考訳（メタデータ） (2024-04-12T07:30:08Z)
Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文参考訳（メタデータ） (2024-03-15T07:18:43Z)
AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文参考訳（メタデータ） (2023-09-25T19:34:12Z)
DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文参考訳（メタデータ） (2023-05-15T18:19:29Z)
Classification of Intra-Pulse Modulation of Radar Signals by Feature Fusion Based Convolutional Neural Networks [5.199765487172328]
本研究では、パルス内変調型レーダ信号を自動的に認識するディープラーニングに基づく新しい手法を提案する。提案するFF-CNN技術は,現在の最先端技術よりも優れていることを示す。
論文参考訳（メタデータ） (2022-05-19T20:18:17Z)
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)
MDPose: Human Skeletal Motion Reconstruction Using WiFi Micro-Doppler Signatures [4.92674421365689]
WiFiマイクロドップラーシグネチャに基づくヒト骨格運動再建のための新しいフレームワークであるMDPoseを提案する。 17個のキーポイントを持つ骨格モデルを再構築することで、人間の活動を追跡する効果的なソリューションを提供する。 MDPoseは最先端のRFベースのポーズ推定システムより優れている。
論文参考訳（メタデータ） (2022-01-11T21:46:28Z)
WaveTransform: Crafting Adversarial Examples via Input Decomposition [69.01794414018603]
本稿では,低周波サブバンドと高周波サブバンドに対応する逆雑音を生成するWaveTransformを紹介する。実験により,提案攻撃は防衛アルゴリズムに対して有効であり,CNN間での転送も可能であることが示された。
論文参考訳（メタデータ） (2020-10-29T17:16:59Z)
ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-04T08:36:27Z)
Harvesting Ambient RF for Presence Detection Through Deep Learning [12.535149305258171]
本稿では,深層学習による人的存在検出における環境無線周波数(RF)信号の利用について検討する。 WiFi信号を例として,受信機で取得したチャネル状態情報(CSI)が伝搬環境に関する豊富な情報を含んでいることを示す。畳み込みニューラルネットワーク(CNN)は、大きさと位相情報の両方を適切に訓練し、信頼性の高い存在検出を実現するように設計されている。
論文参考訳（メタデータ） (2020-02-13T20:35:55Z)

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。