論文の概要: BRSR-OpGAN: Blind Radar Signal Restoration using Operational Generative Adversarial Network
- arxiv url: http://arxiv.org/abs/2407.13949v1
- Date: Thu, 18 Jul 2024 23:55:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 19:13:08.109998
- Title: BRSR-OpGAN: Blind Radar Signal Restoration using Operational Generative Adversarial Network
- Title(参考訳): BRSR-OpGAN:オペレーショナルジェネレーティブ・ディバイサル・ネットワークを用いたブラインドレーダ信号復元
- Authors: Muhammad Uzair Zahid, Serkan Kiranyaz, Alper Yildirim, Moncef Gabbouj,
- Abstract要約: 現実世界のレーダー信号は、望ましくないエコー、センサーノイズ、意図的な妨害、干渉など、人工物が混ざり合っているため、しばしば破損する。
BRSR-OpGAN(Operational Generative Adversarial Network)を用いたブラインドレーダ信号復元の検討
このアプローチは、破壊の多様性や強度に関わらず、レーダ信号の品質を向上させるように設計されている。
- 参考スコア(独自算出の注目度): 15.913517836391357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: Many studies on radar signal restoration in the literature focus on isolated restoration problems, such as denoising over a certain type of noise, while ignoring other types of artifacts. Additionally, these approaches usually assume a noisy environment with a limited set of fixed signal-to-noise ratio (SNR) levels. However, real-world radar signals are often corrupted by a blend of artifacts, including but not limited to unwanted echo, sensor noise, intentional jamming, and interference, each of which can vary in type, severity, and duration. This study introduces Blind Radar Signal Restoration using an Operational Generative Adversarial Network (BRSR-OpGAN), which uses a dual domain loss in the temporal and spectral domains. This approach is designed to improve the quality of radar signals, regardless of the diversity and intensity of the corruption. Methods: The BRSR-OpGAN utilizes 1D Operational GANs, which use a generative neuron model specifically optimized for blind restoration of corrupted radar signals. This approach leverages GANs' flexibility to adapt dynamically to a wide range of artifact characteristics. Results: The proposed approach has been extensively evaluated using a well-established baseline and a newly curated extended dataset called the Blind Radar Signal Restoration (BRSR) dataset. This dataset was designed to simulate real-world conditions and includes a variety of artifacts, each varying in severity. The evaluation shows an average SNR improvement over 15.1 dB and 14.3 dB for the baseline and BRSR datasets, respectively. Finally, even on resource-constrained platforms, the proposed approach can be applied in real-time.
- Abstract(参考訳): 目的: 文献におけるレーダー信号の復元に関する多くの研究は、特定の種類のノイズを遮蔽したり、他の種類の人工物を無視したりするなど、孤立した復元問題に焦点を当てている。
さらに、これらの手法は通常、固定信号対雑音比(SNR)の限られたセットを持つノイズの多い環境を仮定する。
しかし、現実のレーダー信号は、望ましくないエコー、センサーノイズ、意図的な妨害、干渉に制限されないものの、種類、重大さ、持続時間などによって破壊されることが多い。
本研究では,時間領域とスペクトル領域の二重領域損失を用いたBRSR-OpGAN (Operational Generative Adversarial Network) を用いたブラインドレーダ信号復元手法を提案する。
このアプローチは、破壊の多様性や強度に関わらず、レーダ信号の品質を向上させるように設計されている。
方法:BRSR-OpGANは1Dオペレーショナルガン(英語版)を使用しており、これは破損したレーダー信号のブラインド復元に特別に最適化された生成ニューロンモデルを使用する。
このアプローチは、GANの柔軟性を活用して、幅広いアーティファクト特性に動的に適応する。
結果: 提案手法は,Blind Radar Signal Restoration (BRSR) データセットと呼ばれる,確立されたベースラインと新たに修正された拡張データセットを用いて,広範囲に評価されている。
このデータセットは現実世界の条件をシミュレートするために設計され、さまざまなアーティファクトを含んでいる。
この評価は、ベースラインデータセットとBRSRデータセットの平均SNRがそれぞれ15.1dBと14.3dBを上回っていることを示している。
最後に、リソース制約のあるプラットフォームでも、提案手法をリアルタイムで適用することができる。
関連論文リスト
- SparseRadNet: Sparse Perception Neural Network on Subsampled Radar Data [5.344444942640663]
レーダー生データは、しばしば過剰なノイズを含むが、レーダー点雲は限られた情報しか保持しない。
本稿では,適応的なサブサンプリング手法と,空間パターンを利用したネットワークアーキテクチャを提案する。
RADIalデータセットの実験により,SparseRadNetはオブジェクト検出における最先端(SOTA)性能を超え,自由空間セグメンテーションにおけるSOTA精度に近づいた。
論文 参考訳(メタデータ) (2024-06-15T11:26:10Z) - 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) - RFI-DRUnet: Restoring dynamic spectra corrupted by radio frequency
interference -- Application to pulsar observations [9.304820505959519]
電波干渉(RFI)は、電波天文学において永続的な関心事である。
本研究は、共同検出と修復のためのRFI緩和に取り組むことを提案する。
論文 参考訳(メタデータ) (2024-02-21T15:19:09Z) - 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) - Enhancing Reliability in Federated mmWave Networks: A Practical and
Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。
これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。
提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
論文 参考訳(メタデータ) (2023-06-22T10:10:25Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳(メタデータ) (2023-05-17T13:56:48Z) - Blind Restoration of Real-World Audio by 1D Operational GANs [18.462912387382346]
Op-GAN(Operational Generative Adversarial Networks)による実世界の音声信号のブラインド復元手法を提案する。
提案手法はTIMIT-RAR(音声)とGTZAN-RAR(非音声)のベンチマークで広く評価されている。
平均SDRの改善は7.2dB以上と4.9dB以上である。
論文 参考訳(メタデータ) (2022-12-30T10:11:57Z) - Optical Fiber Fault Detection and Localization in a Noisy OTDR Trace
Based on Denoising Convolutional Autoencoder and Bidirectional Long
Short-Term Memory [0.0]
提案手法は,デノナイズド・コンボリューション・オートエンコーダ (DCAE) と双方向長短期メモリ (BiLSTM) を組み合わせたものである。
提案手法は,5dBから15dBまでの入力SNRレベルが異なる雑音のOTDR信号に適用する。
BiLSTMは、ノイズOTDR信号で訓練された同じモデルの性能と比較して、13.74%の改善により96.7%の高い検出精度と診断精度を達成している。
論文 参考訳(メタデータ) (2022-03-19T08:37:40Z) - 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) - On the Frequency Bias of Generative Models [61.60834513380388]
我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。
既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。
以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
論文 参考訳(メタデータ) (2021-11-03T18:12:11Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳(メタデータ) (2020-10-12T16:50:22Z)
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。