論文の概要: Online waveform selection for cognitive radar

• arxiv url: http://arxiv.org/abs/2410.10591v1
• Date: Mon, 14 Oct 2024 15:01:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-29 20:45:18.289627
• Title: Online waveform selection for cognitive radar
• Title（参考訳）: 認知レーダのためのオンライン波形選択
• Authors: Thulasi Tholeti, Avinash Rangarajan, Sheetal Kalyani,
• Abstract要約: オンライン方式で波形パラメータを選択する適応アルゴリズムを提案する。 本稿では,帯域幅のスケーリング,Qラーニング,Qラーニングのルックアヘッドという3つの強化学習アルゴリズムを提案する。 提案アルゴリズムは、目標を失わずにレンジ誤差を最小化し、連続的な追跡を維持するという2つの目的を達成する。
• 参考スコア（独自算出の注目度）: 8.187445866881637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing a cognitive radar system capable of adapting its parameters is challenging, particularly when tasked with tracking a ballistic missile throughout its entire flight. In this work, we focus on proposing adaptive algorithms that select waveform parameters in an online fashion. Our novelty lies in formulating the learning problem using domain knowledge derived from the characteristics of ballistic trajectories. We propose three reinforcement learning algorithms: bandwidth scaling, Q-learning, and Q-learning lookahead. These algorithms dynamically choose the bandwidth for each transmission based on received feedback. Through experiments on synthetically generated ballistic trajectories, we demonstrate that our proposed algorithms achieve the dual objectives of minimizing range error and maintaining continuous tracking without losing the target.
• Abstract（参考訳）: パラメータを適応できる認知レーダーシステムの設計は、特に飛行全体を通して弾道ミサイルの追跡を行う場合、特に困難である。 本研究では,オンライン方式で波形パラメータを選択する適応アルゴリズムを提案する。 我々の新規性は、弾道軌道の特性から派生したドメイン知識を用いて学習問題を定式化することにある。 本稿では,帯域幅のスケーリング,Qラーニング,Qラーニングのルックアヘッドという3つの強化学習アルゴリズムを提案する。 これらのアルゴリズムは、受信したフィードバックに基づいて各送信の帯域幅を動的に選択する。 合成された弾道軌道の実験を通じて,提案アルゴリズムは,目標を失わずに範囲誤差を最小化し,連続的な追跡を維持するという2つの目的を達成できることを実証した。

関連論文リスト

• SSP-GNN: Learning to Track via Bilevel Optimization [3.1889516673296807]
  マルチオブジェクトトラッキング(MOT)のためのグラフベースのトラッキング形式を提案する。 本手法は,一組のフレーム上で定義された追跡グラフに対して,逐次最短経路 (SSP) アルゴリズムを適用した。 この追跡グラフのエッジコストは、グラフニューラルネットワーク(GNN)の変種であるメッセージパスネットワークを介して計算される。
  論文  参考訳（メタデータ） (2024-07-05T07:23:51Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Neural Network Algorithm for Intercepting Targets Moving Along Known Trajectories by a Dubins' Car [0.0]
  時間最適制御問題として、Dubinsの車によって直線または円軌道に沿って移動する目標を迎撃する作業が定式化される。 Deep Deterministic Policy Gradientアルゴリズムに基づく教師なし学習のニューラルネットワーク手法を用いる。 対象運動の所定のクラスに対するインターセプショントラジェクトリの合成にニューラルネットワーク法を用いることの有効性を示す。
  論文  参考訳（メタデータ） (2023-04-12T21:52:39Z)
• Online Bayesian Meta-Learning for Cognitive Tracking Radar [9.805913930878]
  波形・アジャイル追跡のためのオンラインメタラーニング手法を開発した。 我々は、ターゲットタイプやクラッタなどの一般的な物理要素に起因する、トラッキングシーン間の固有の類似性を生かしている。
  論文  参考訳（メタデータ） (2022-07-07T20:21:54Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• A Novel Look at LIDAR-aided Data-driven mmWave Beam Selection [24.711393214172148]
  軽量ニューラルネットワーク(NN)アーキテクチャとそれに対応するLIDARプリプロセッシングを提案する。 nnベースのビーム選択方式は、ビーム探索のオーバーヘッドなしに79.9%のスループットを達成でき、95%のスループットを6ビーム以内で探索できる。
  論文  参考訳（メタデータ） (2021-04-29T18:07:31Z)
• XAI-N: Sensor-based Robot Navigation using Expert Policies and Decision Trees [55.9643422180256]
  本稿では,ロボットの密集した動的環境における衝突のない軌道を計算するためのセンサベース学習ナビゲーションアルゴリズムを提案する。 我々のアプローチは、sim2realパラダイムを用いて訓練された深層強化学習に基づくエキスパートポリシーを使用する。 シミュレーション環境でのアルゴリズムの利点を強調し、移動中の歩行者の間でClearpath Jackalロボットをナビゲートする。
  論文  参考訳（メタデータ） (2021-04-22T01:33:10Z)
• SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
  本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。 具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。 我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
  論文  参考訳（メタデータ） (2020-10-19T09:23:39Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• A Machine Learning Solution for Beam Tracking in mmWave Systems [33.1010771477611]
  現実シナリオにおける特定の経路に対する到着角(AoA)を追跡するための機械学習ベースのアプローチを探索する。 本稿では,ネットワークを逐次データでトレーニングする手法を提案し,提案手法の性能を拡張Kalmanフィルタ法と比較した。
  論文  参考訳（メタデータ） (2019-12-29T06:18:54Z)

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。