論文の概要: Aircraft Radar Altimeter Interference Mitigation Through a CNN-Layer Only Denoising Autoencoder Architecture
- arxiv url: http://arxiv.org/abs/2410.03423v1
- Date: Fri, 4 Oct 2024 13:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-02 22:29:14.876050
- Title: Aircraft Radar Altimeter Interference Mitigation Through a CNN-Layer Only Denoising Autoencoder Architecture
- Title（参考訳）: CNN層を経由した航空機のレーダ・アレータ干渉低減
- Authors: Samuel B. Brown, Stephen Young, Adam Wagenknecht, Daniel Jakubisin, Charles E. Thornton, Aaron Orndorff, William C. Headley,
- Abstract要約: 我々は,CNN層のみのオートエンコーダアーキテクチャを用いて,レーダ高度計の測位精度を向上させることができることを示す。
最大4万個のIQサンプルのFMCWレーダー信号を確実に再構成することができる。
- 参考スコア（独自算出の注目度）: 0.7538606213726906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Denoising autoencoders for signal processing applications have been shown to experience significant difficulty in learning to reconstruct radio frequency communication signals, particularly in the large sample regime. In communication systems, this challenge is primarily due to the need to reconstruct the modulated data stream which is generally highly stochastic in nature. In this work, we take advantage of this limitation by using the denoising autoencoder to instead remove interfering radio frequency communication signals while reconstructing highly structured FMCW radar signals. More specifically, in this work we show that a CNN-layer only autoencoder architecture can be utilized to improve the accuracy of a radar altimeter's ranging estimate even in severe interference environments consisting of a multitude of interference signals. This is demonstrated through comprehensive performance analysis of an end-to-end FMCW radar altimeter simulation with and without the convolutional layer-only autoencoder. The proposed approach significantly improves interference mitigation in the presence of both narrow-band tone interference as well as wideband QPSK interference in terms of range RMS error, number of false altitude reports, and the peak-to-sidelobe ratio of the resulting range profile. FMCW radar signals of up to 40,000 IQ samples can be reliably reconstructed.
- Abstract（参考訳）: 信号処理アプリケーションのためのデノイングオートエンコーダは、特に大規模なサンプルシステムにおいて、無線周波数通信信号を再構成する学習において重大な困難を経験することが示されている。
通信システムでは、この課題は主に、本質的には確率的である変調されたデータストリームを再構築する必要があるためである。
本研究では,高構造FMCWレーダ信号を再構成しながら,干渉する無線周波数通信信号を除去するために,デノナイズ方式のオートエンコーダを用いることにより,この制限を利用する。
具体的には、CNN層のみのオートエンコーダアーキテクチャを用いて、多数の干渉信号からなる厳しい干渉環境においても、レーダ高度計のレンジ推定精度を向上させることができることを示す。
これは、畳み込み層のみのオートエンコーダを使用せずとも、エンドツーエンドのFMCWレーダ高度計シミュレーションの包括的な性能解析によって実証される。
提案手法は、狭帯域のトーン干渉と広帯域QPSK干渉の両方の存在下での干渉緩和を、レンジRMS誤差、偽高度レポート数、および結果のレンジプロファイルのピーク・ツー・サイドローブ比の観点から著しく改善する。
最大4万個のIQサンプルのFMCWレーダー信号を確実に再構成することができる。
関連論文リスト
- RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。
まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。
第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。
第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文 参考訳（メタデータ） (2024-09-13T13:53:41Z) - RIMformer: An End-to-End Transformer for FMCW Radar Interference Mitigation [1.8063750621475454]
RIMformerと呼ばれる新しいFMCWレーダ干渉緩和法は、エンドツーエンドのTransformerベース構造を用いて提案される。
このアーキテクチャは、時間領域IF信号をエンドツーエンドで処理するように設計されている。
その結果,提案したRIMformerは干渉を効果的に軽減し,ターゲット信号の復元を可能にすることがわかった。
論文 参考訳（メタデータ） (2024-07-16T07:51:20Z) - End-to-End Training of Neural Networks for Automotive Radar Interference
Mitigation [9.865041274657823]
本稿では,周波数変調連続波(WFMC)レーダ相互干渉緩和のためのニューラルネットワーク(NN)のトレーニング手法を提案する。
NNが干渉されたレーダー信号をきれいにするために訓練する代わりに、NNをオブジェクト検出マップ上で直接訓練する。
我々は,レーダを用いた物体検出のアルゴリズムであるCA-CFARピーク検出器の連続的な緩和を行う。
論文 参考訳（メタデータ） (2023-12-15T13:47:16Z) - Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。
本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。
合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文 参考訳（メタデータ） (2023-06-19T12:01:28Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - Deep Reinforcement Learning for Interference Management in UAV-based 3D
Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。
干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文 参考訳（メタデータ） (2023-05-11T18:06:46Z) - Interference and noise cancellation for joint communication radar (JCR)
system based on contextual information [11.861415744626076]
本稿では,無線通信とレーダ信号の分離について検討する。
最適化ビームフォーミング重みは信号による干渉を緩和することを示す。
チャネル応答が不明な場合、低ノイズ・干渉キャンセルオートエンコーダとして干渉フィルタを設計した。
論文 参考訳（メタデータ） (2023-02-14T02:06:21Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - Deep Interference Mitigation and Denoising of Real-World FMCW Radar
Signals [16.748215232763517]
実世界レーダ計測における干渉緩和のための畳み込みニューラルネットワーク(CNN)に基づくアプローチの評価を行った。
実測値と模擬干渉を組み合わせることで,モデルの学習に適した入力出力データを生成する。
論文 参考訳（メタデータ） (2020-12-04T11:22:13Z) - Quantized Neural Networks for Radar Interference Mitigation [14.540226579203207]
CNNに基づくノイズ除去と干渉緩和のアプローチはレーダ処理に有望な結果をもたらす。
本稿では,CNNに基づくレーダ信号のノイズ除去と干渉緩和のための量子化手法について検討する。
論文 参考訳（メタデータ） (2020-11-25T13:18:06Z)
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。