論文の概要: RASPNet: A Benchmark Dataset for Radar Adaptive Signal Processing Applications

• arxiv url: http://arxiv.org/abs/2406.09638v2
• Date: Fri, 14 Feb 2025 17:49:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 18:05:16.839073
• Title: RASPNet: A Benchmark Dataset for Radar Adaptive Signal Processing Applications
• Title（参考訳）: RASPNet: レーダ適応信号処理アプリケーションのためのベンチマークデータセット
• Authors: Shyam Venkatasubramanian, Bosung Kang, Ali Pezeshki, Muralidhar Rangaswamy, Vahid Tarokh,
• Abstract要約: RASPNetデータセットは16TBを超えるサイズで、アメリカ合衆国全土の様々な地形や土地にまたがる現実的なシナリオを100種類構成している。 RASPNetは、レーダーと複雑な値の学習アルゴリズムのベンチマークに使用できる、空中レーダー設定からの1万のクラッタ実現で構成されている。 RASPNetが現実的な適応型レーダ処理シナリオにどのように使用できるかを示すために、転送学習の例を含む、その構成、組織、およびいくつかのアプリケーションの概要を述べる。
• 参考スコア（独自算出の注目度）: 20.589332431911842
• License:
• Abstract: We present a large-scale dataset for radar adaptive signal processing (RASP) applications to support the development of data-driven models within the adaptive radar community. The dataset, RASPNet, exceeds 16 TB in size and comprises 100 realistic scenarios compiled over a variety of topographies and land types from across the contiguous United States. For each scenario, RASPNet consists of 10,000 clutter realizations from an airborne radar setting, which can be used to benchmark radar and complex-valued learning algorithms. RASPNet intends to fill a prominent gap in the availability of a large-scale, realistic dataset that standardizes the evaluation of adaptive radar processing techniques and complex-valued neural networks. We outline its construction, organization, and several applications, including a transfer learning example to demonstrate how RASPNet can be used for realistic adaptive radar processing scenarios.
• Abstract（参考訳）: 本稿では、レーダ適応信号処理(RASP)アプリケーションのための大規模データセットを提案し、アダプティブレーダコミュニティ内でのデータ駆動モデルの開発を支援する。 データセットであるRASPNetは16TBを超えるサイズで、アメリカ合衆国全土の様々な地形や土地にまたがる100の現実的なシナリオで構成されている。 それぞれのシナリオに対して、RASPNetは、レーダーと複雑な評価された学習アルゴリズムのベンチマークに使用できる、空中レーダー設定からの1万のクラッタ実現で構成されている。 RASPNetは、適応レーダー処理技術と複雑な評価されたニューラルネットワークの評価を標準化する大規模で現実的なデータセットの可用性において、大きなギャップを埋めようとしている。 RASPNetが現実的な適応型レーダ処理シナリオにどのように使用できるかを示すために、転送学習の例を含む、その構成、組織、およびいくつかのアプリケーションの概要を述べる。

関連論文リスト

• Generative Adversarial Synthesis of Radar Point Cloud Scenes [0.0]
  本稿では、実際のデータセット取得とシミュレーションに基づくアプローチの代替として、GANを用いたレーダシーン合成を導入する。 我々は、PointNet++ベースのGANモデルをトレーニングし、現実的なレーダポイントクラウドシーンを生成するとともに、バイナリ分類器を使用して、実シーンのテストセットに対して、このモデルを用いて生成されたシーンのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2024-10-17T13:14:25Z)
• 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)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Super-Resolution Radar Imaging with Sparse Arrays Using a Deep Neural Network Trained with Enhanced Virtual Data [0.4640835690336652]
  本稿では,極薄レーダー開口部からのレーダデータを完全に処理できるディープニューラルネットワーク(DNN)に基づく手法を提案する。 提案したDNN処理は、エイリアスフリーレーダイメージングと超解像の両方を提供することができる。 完全に占有された配列で達成されるのとほぼ同じ解像度と画質を同時に提供する。
  論文  参考訳（メタデータ） (2023-06-16T13:37:47Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Learning to Simulate Realistic LiDARs [66.7519667383175]
  リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。 本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。 我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
  論文  参考訳（メタデータ） (2022-09-22T13:12:54Z)
• Toward Data-Driven STAP Radar [23.333816677794115]
  我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。 所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。 この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。 空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
  論文  参考訳（メタデータ） (2022-01-26T02:28:13Z)
• Large-Scale Topological Radar Localization Using Learned Descriptors [15.662820454886202]
  本稿では、レーダースキャン画像から回転不変なグローバルディスクリプタを計算するための、単純かつ効率的なディープネットワークアーキテクチャを提案する。 提案手法の性能と一般化能力を2つの大規模運転データセットで実験的に評価した。
  論文  参考訳（メタデータ） (2021-10-06T21:57:23Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• There and Back Again: Learning to Simulate Radar Data for Real-World Applications [21.995474023869388]
  我々は、シミュレーションされた標高マップに基づいて忠実なレーダー観測を合成できるレーダセンサモデルを学ぶ。 我々は、不整合レーダの例から前方センサーモデルを学ぶための敵対的アプローチを採用する。 実環境におけるシミュレーションデータに基づいて純粋に訓練された下流セグメンテーションモデルを評価することにより,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-11-29T15:49:23Z)

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。