Fugu-MT 論文翻訳(概要): Radar Pulse Deinterleaving with Transformer Based Deep Metric Learning

論文の概要: Radar Pulse Deinterleaving with Transformer Based Deep Metric Learning

arxiv url: http://arxiv.org/abs/2503.13476v1
Date: Tue, 04 Mar 2025 15:27:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-23 10:56:04.435211
Title: Radar Pulse Deinterleaving with Transformer Based Deep Metric Learning
Title（参考訳）: 変圧器を用いたディープメトリラーニングによるレーダパルス脱インターリーブ
Authors: Edward Gunn, Adam Hosford, Daniel Mannion, Jarrod Williams, Varun Chhabra, Victoria Nockles,
Abstract要約: 特定のパルス列に記録されているエミッターの数は不明である。本稿では,合成データに三重項損失を学習した変圧器を用いて,この問題に対する計量学習手法を提案する。このモデルは、調整された相互情報スコア0.882の他の深層学習モデルと比較して、強い結果が得られる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: When receiving radar pulses it is common for a recorded pulse train to contain pulses from many different emitters. The radar pulse deinterleaving problem is the task of separating out these pulses by the emitter from which they originated. Notably, the number of emitters in any particular recorded pulse train is considered unknown. In this paper, we define the problem and present metrics that can be used to measure model performance. We propose a metric learning approach to this problem using a transformer trained with the triplet loss on synthetic data. This model achieves strong results in comparison with other deep learning models with an adjusted mutual information score of 0.882.
Abstract（参考訳）: レーダーパルスを受信する場合、記録されたパルストレインは多くの異なるエミッターからのパルスを含むのが一般的である。レーダーパルス除去問題は、これらのパルスを発生したエミッターによって分離するタスクである。特に、特定のパルス列に記録されているエミッタの数は不明である。本稿では,その問題を定義し,モデルの性能測定に使用できる指標を示す。本稿では,合成データに三重項損失を学習した変圧器を用いて,この問題に対する計量学習手法を提案する。このモデルは、調整された相互情報スコア0.882の他の深層学習モデルと比較して、強い結果が得られる。

関連論文リスト

TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
論文参考訳（メタデータ） (2025-04-16T05:25:04Z)
Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
論文参考訳（メタデータ） (2025-04-07T15:38:25Z)
Optimizing Qubit Control Pulses for State Preparation [0.0]
本研究は,超伝導量子ビットのパルス工学技術の改良に焦点をあてる。我々は, ナイーブパルス設計によるコヒーレント誤差の影響を評価する。これらの改良パルス戦略は, 性能の向上とコヒーレントエラーの低減を図っている。
論文参考訳（メタデータ） (2024-09-12T16:43:15Z)
Analysis of Impulsive Interference in Digital Audio Broadcasting Systems in Electric Vehicles [2.056630504912993]
電気自動車(EV)のインパルス干渉は、無線デジタル伝送システムを劣化させる。本稿では,我々のEVテストベッドから記録したデータを用いて,デジタルオーディオ放送帯域におけるインパルス干渉を解析する。以上の結果から, インパルスイベントは連続した受信信号サンプルにまたがり, バースト特性を示すことがわかった。
論文参考訳（メタデータ） (2024-05-17T14:48:37Z)
Optimal Control of Spin Qudits Subject to Decoherence Using Amplitude-and-Frequency-Constrained Pulses [44.99833362998488]
信号の最大振幅と周波数を拘束できる定式化を導入する。得られるパルスは、シュル・オーディンガーの方程式で達成されたパルスと比較して、連続的に操作忠実度を向上する。
論文参考訳（メタデータ） (2024-03-23T10:10:38Z)
Classification of multi-frequency RF signals by extreme learning, using magnetic tunnel junctions as neurons and synapses [46.000685134136525]
磁気トンネル接合は並列に複数の周波数でRF入力を処理可能であることを示す。極端学習と呼ばれるバックプロパゲーションフリーの手法を用いて、RF信号で符号化されたノイズの多い画像を分類する。これらの結果は、組み込みの高周波人工知能にとって重要なステップである。
論文参考訳（メタデータ） (2022-11-02T14:09:42Z)
DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and Temporal Relatedness [78.98998551326812]
従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
論文参考訳（メタデータ） (2022-09-26T21:59:14Z)
Macroscopic noise amplification by asymmetric dyads in non-Hermitian optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文参考訳（メタデータ） (2022-06-24T10:19:36Z)
Extensible circuit-QED architecture via amplitude- and frequency-variable microwaves [52.77024349608834]
固定周波数キュービットとマイクロ波駆動カプラを組み合わせた回路QEDアーキテクチャを提案する。ドライブパラメータは、選択的な2ビット結合とコヒーレントエラー抑制を可能にする調整可能なノブとして現れる。
論文参考訳（メタデータ） (2022-04-17T22:49:56Z)
FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文参考訳（メタデータ） (2020-11-14T11:29:55Z)
Bayesian Restoration of Audio Degraded by Low-Frequency Pulses Modeled via Gaussian Process [0.0]
機械装置で古いビニールとグラムホンの録音を再生する際に見られる共通の欠陥は、低周波量の長いパルスである。記録のデジタル化に対する従来のアプローチは、パルス位置の事前推定に依存する。本稿では、パルス位置を共同で推定できる新しいベイズアプローチを提案し、パルスを開始する強い不連続性の下にあるほぼ消滅した信号を補間し、長いパルス尾を推定する。
論文参考訳（メタデータ） (2020-05-28T17:52:26Z)
Remote Individual Addressing of Quantum Emitters with Chirped Pulses [0.0]
我々は、その進化中に、動的に自圧縮してサブ波長のスポットサイズに変形するチャープパルスの族を紹介する。これらのパルスと量子エミッタとの相互作用は、パルスチャープによって誘導される効果的なランダウ・ツェナー過程により、その位置に対して非常に敏感であることを示す。
論文参考訳（メタデータ） (2020-05-15T12:51:04Z)
Universal Composite Pulses for Efficient Population Inversion with an Arbitrary Excitation Profile [0.0]
広帯域複合パルス列のプロファイルを任意に回転させて高忠実度集団インバージョンを実現する手法を提案する。この回転により、パルス領域の任意の組み合わせに高次普遍性を達成でき、さらなるコストで誤りを抑えることができる。
論文参考訳（メタデータ） (2020-02-18T16:32:00Z)

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。