Fugu-MT 論文翻訳(概要): Through-the-Wall Radar Human Activity Micro-Doppler Signature Representation Method Based on Joint Boulic-Sinusoidal Pendulum Model

論文の概要: Through-the-Wall Radar Human Activity Micro-Doppler Signature Representation Method Based on Joint Boulic-Sinusoidal Pendulum Model

arxiv url: http://arxiv.org/abs/2408.12077v1
Date: Thu, 22 Aug 2024 02:33:29 GMT
ステータス: 処理完了
システム内更新日: 2024-08-23 15:23:41.640349
Title: Through-the-Wall Radar Human Activity Micro-Doppler Signature Representation Method Based on Joint Boulic-Sinusoidal Pendulum Model
Title（参考訳）: 結合型バルク-正弦波振り子モデルに基づく壁面放射能マイクロドップラー信号表現法
Authors: Xiaopeng Yang, Weicheng Gao, Xiaodong Qu, Zeyu Ma, Hao Zhang,
Abstract要約: 本稿では,Bulic-Sinusoidal pendulum 動作モデルに基づく人間活動型マイクロドップラーシグネチャ表現法を提案する。またドップラー情報とマイクロドップラー情報を記述するのに必要なキーポイントの最小数を十分に計算する。
参考スコア（独自算出の注目度）: 22.320147097092416
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the help of micro-Doppler signature, ultra-wideband (UWB) through-the-wall radar (TWR) enables the reconstruction of range and velocity information of limb nodes to accurately identify indoor human activities. However, existing methods are usually trained and validated directly using range-time maps (RTM) and Doppler-time maps (DTM), which have high feature redundancy and poor generalization ability. In order to solve this problem, this paper proposes a human activity micro-Doppler signature representation method based on joint Boulic-sinusoidal pendulum motion model. In detail, this paper presents a simplified joint Boulic-sinusoidal pendulum human motion model by taking head, torso, both hands and feet into consideration improved from Boulic-Thalmann kinematic model. The paper also calculates the minimum number of key points needed to describe the Doppler and micro-Doppler information sufficiently. Both numerical simulations and experiments are conducted to verify the effectiveness. The results demonstrate that the proposed number of key points of micro-Doppler signature can precisely represent the indoor human limb node motion characteristics, and substantially improve the generalization capability of the existing methods for different testers.
Abstract（参考訳）: マイクロドップラーシグネチャの助けを借りて、UWB(Ultra-wideband through-the-wall radar, TWR)により、手足ノードの射程と速度情報を再構築し、室内の人間の活動を正確に識別することができる。しかし、既存の手法は通常、高特徴冗長性と一般化能力の低いレンジタイムマップ(RTM)とドップラータイムマップ(DTM)を用いて、直接的に訓練され、検証される。そこで本研究では, 結合型バルク-正弦波振り子運動モデルに基づく人間活動型マイクロドップラーシグネチャ表現法を提案する。本稿では, 頭, 胴体, 両手, 足の動作を, ボリック・タルマンの運動モデルから改善することによる, 簡易な関節・正弦波振子動作モデルを提案する。またドップラー情報とマイクロドップラー情報を記述するのに必要なキーポイントの最小数を十分に計算する。本手法の有効性を検証するため,数値シミュレーションと実験を行った。その結果,提案したマイクロドップラーシグネチャのキーポイント数は,室内のヒト四肢節運動特性を正確に表現することができ,既存手法の一般化能力を大幅に向上させることができることがわかった。

関連論文リスト

MotionWavelet: Human Motion Prediction via Wavelet Manifold Learning [57.078168638373874]
MotionWaveletは、空間周波数領域における人間の動きパターンを研究する人間の動き予測フレームワークである。ウェーブレット拡散モデルでは、動作データにウェーブレット変換を適用することでウェーブレット多様体を学習する。ウェーブレット空間形状誘導機構は、デノナイジングプロセスを洗練し、多様体構造との整合性を改善する。
論文参考訳（メタデータ） (2024-11-25T22:09:19Z)
Generalizable Indoor Human Activity Recognition Method Based on Micro-Doppler Corner Point Cloud and Dynamic Graph Learning [12.032590125621155]
マイクロドップラーシグネチャ抽出とインテリジェントな意思決定アルゴリズムを融合させることで、TWRによる人間の活動認識を実現することができる。本稿では,マイクロドップラー角点雲と動的グラフ学習に基づく,一般化可能な室内人間活動認識手法を提案する。
論文参考訳（メタデータ） (2024-10-10T02:24:07Z)
KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文参考訳（メタデータ） (2024-07-18T05:48:24Z)
A Novel Micro-Doppler Coherence Loss for Deep Learning Radar Applications [1.099532646524593]
本稿では,入力と出力間のマイクロドップラー振動成分の正規化パワーが一致した場合に,マイクロドップラーコヒーレンス損失を最小化する。実データを用いた実験により、導入した損失の応用により、モデルがノイズに対してより弾力性を持つことを示す。
論文参考訳（メタデータ） (2024-04-12T08:11:07Z)
Interference Motion Removal for Doppler Radar Vital Sign Detection Using Variational Encoder-Decoder Neural Network [1.099532646524593]
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。
論文参考訳（メタデータ） (2024-04-12T07:41:17Z)
AdjointDPM: Adjoint Sensitivity Method for Gradient Backpropagation of Diffusion Probabilistic Models [103.41269503488546]
既存のカスタマイズ方法は、事前訓練された拡散確率モデルをユーザが提供する概念に合わせるために、複数の参照例にアクセスする必要がある。本論文は、DPMカスタマイズの課題として、生成コンテンツ上で定義された差別化可能な指標が唯一利用可能な監督基準である場合に解決することを目的とする。本稿では,拡散モデルから新しいサンプルを初めて生成するAdjointDPMを提案する。次に、随伴感度法を用いて、損失の勾配をモデルのパラメータにバックプロパゲートする。
論文参考訳（メタデータ） (2023-07-20T09:06:21Z)
Attention-Refined Unrolling for Sparse Sequential micro-Doppler Reconstruction [1.1356542363919058]
STARは、高度に不完全なチャネル計測からでも人間の動きのマイクロドップラー配列を再構築するニューラルネットワークである。これは、再構築されたマイクロドップラーの品質の観点から、最先端の技術を大幅に上回っている。
論文参考訳（メタデータ） (2023-06-25T12:50:17Z)
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)
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)
DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文参考訳（メタデータ） (2021-12-08T13:07:21Z)
Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文参考訳（メタデータ） (2020-06-28T21:03:19Z)

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。