Fugu-MT 論文翻訳(概要): Out-of-Distribution Radar Detection in Compound Clutter and Thermal Noise through Variational Autoencoders

論文の概要: Out-of-Distribution Radar Detection in Compound Clutter and Thermal Noise through Variational Autoencoders

arxiv url: http://arxiv.org/abs/2503.04861v1
Date: Thu, 06 Mar 2025 09:38:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-10 12:24:19.139878
Title: Out-of-Distribution Radar Detection in Compound Clutter and Thermal Noise through Variational Autoencoders
Title（参考訳）: 変分オートエンコーダによる複合クラッタ及び熱騒音の分布外レーダ検出
Authors: Y A Rouzoumka, E Terreaux, C Morisseau, J. -P Ovarlez, C Ren,
Abstract要約: 本稿では,変分オートエンコーダ(VAE)を用いた新しいレーダー目標検出手法を提案する。複雑な分布を学習し、分布外サンプルを識別できることで知られ、提案されたVAEアーキテクチャは、レーダーターゲットと様々なノイズタイプを効果的に区別する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This paper presents a novel approach to radar target detection using Variational AutoEncoders (VAEs). Known for their ability to learn complex distributions and identify out-ofdistribution samples, the proposed VAE architecture effectively distinguishes radar targets from various noise types, including correlated Gaussian and compound Gaussian clutter, often combined with additive white Gaussian thermal noise. Simulation results demonstrate that the proposed VAE outperforms classical adaptive detectors such as the Matched Filter and the Normalized Matched Filter, especially in challenging noise conditions, highlighting its robustness and adaptability in radar applications.
Abstract（参考訳）: 本稿では,変分オートエンコーダ(VAE)を用いた新しいレーダー目標検出手法を提案する。複雑な分布を学習し、分布外サンプルを識別する能力で知られ、提案されたVAEアーキテクチャは、しばしば付加的な白色ガウス熱雑音と組み合わせて、相関したガウス的および複合ガウス的クラッタを含む様々なノイズタイプからレーダーターゲットを効果的に識別する。シミュレーションの結果,提案VAEは整合フィルタや正規化整合フィルタなどの古典的適応検出器,特に難易度の高い雑音条件において性能を向上し,レーダアプリケーションの堅牢性と適応性を強調した。

関連論文リスト

Towards Smarter Sensing: 2D Clutter Mitigation in RL-Driven Cognitive MIMO Radar [8.674241138986925]
このシステムは平面配列構成を採用し、伝送波形とビームフォーミングパターンを適用して検出性能を最適化する。堅牢なウォルド型検出器はSARSAベースのRLアルゴリズムと統合されており、レーダーは複雑な乱雑な環境を学習し適応することができる。
論文参考訳（メタデータ） (2025-02-07T14:31:58Z)
S-Diff: An Anisotropic Diffusion Model for Collaborative Filtering in Spectral Domain [23.22881271027173]
グラフに基づく協調フィルタリングにインスパイアされたS-Diffを提案する。 S-Diffは、ユーザの相互作用ベクトルをスペクトル領域にマッピングし、拡散ノイズをパラメータ化してグラフ周波数に合わせる。この異方性拡散は重要な低周波成分を保持し、高い信号対雑音比を保持する。
論文参考訳（メタデータ） (2024-12-31T10:54:41Z)
LGU-SLAM: Learnable Gaussian Uncertainty Matching with Deformable Correlation Sampling for Deep Visual SLAM [11.715999663401591]
学習可能な2次元ガウス不確実性モデルは、マッチングフレームペアを関連付けるように設計されている。マルチスケールの変形可能な相関戦略を考案し、各方向のサンプリングを適応的に微調整する。本手法の有効性と優位性を検証するために,実世界のデータセットと合成データセットの実験を行った。
論文参考訳（メタデータ） (2024-10-30T17:20:08Z)
Frequency-aware Feature Fusion for Dense Image Prediction [99.85757278772262]
本稿では,高密度画像予測のための周波数認識機能融合(FreqFusion)を提案する。 FreqFusionは、Adaptive Low-Pass Filter (ALPF) ジェネレータ、オフセットジェネレータ、Adaptive High-Pass Filter (AHPF) ジェネレータを統合する。包括的可視化と定量的分析は、FreqFusionが機能一貫性を効果的に改善し、オブジェクト境界を鋭くすることを示している。
論文参考訳（メタデータ） (2024-08-23T07:30:34Z)
One-shot Generative Distribution Matching for Augmented RF-based UAV Identification [0.0]
この研究は、限られたRF環境下でRFフィンガープリントを用いて無人航空機(UAV)を特定するという課題に対処する。 RF信号の複雑さと可変性は、環境干渉やハードウェアの不完全性の影響を受け、従来のRFベースの識別手法を効果的にしないことが多い。変換されたRF信号を増強するためのワンショット生成法は、UAV識別を著しく改善する。
論文参考訳（メタデータ） (2023-01-20T02:35:43Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文参考訳（メタデータ） (2022-06-09T14:00:26Z)
SpecGrad: Diffusion Probabilistic Model based Neural Vocoder with Adaptive Noise Spectral Shaping [51.698273019061645]
SpecGradは拡散雑音に適応し、その時間変化スペクトル包絡が条件付き対数メル分光器に近づく。時間周波数領域で処理され、計算コストは従来のDDPMベースのニューラルボコーダとほぼ同じである。
論文参考訳（メタデータ） (2022-03-31T02:08:27Z)
Constrained Contextual Bandit Learning for Adaptive Radar Waveform Selection [14.796960833031724]
適応レーダシステムが有限状態目標チャネルと繰り返し相互作用する逐次決定過程について検討する。レーダーは受動的に波形の選択プロセスに側面情報を提供する規則的な間隔でスペクトルを感知できます。波形選択問題は線形文脈バンディット定式化を用いて効果的に解決できることを示す。
論文参考訳（メタデータ） (2021-03-09T16:43:50Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。我々は,再建基準の代替として,異常スコアの代替尺度を提案した。提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。