論文の概要: Quantum Meets SAR: A Novel Range-Doppler Algorithm for Next-Gen Earth Observation

• arxiv url: http://arxiv.org/abs/2504.01832v1
• Date: Wed, 02 Apr 2025 15:40:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:48.107139
• Title: Quantum Meets SAR: A Novel Range-Doppler Algorithm for Next-Gen Earth Observation
• Title（参考訳）: 次世代地球観測のための新しいレンジドップラーアルゴリズム「SAR」
• Authors: Khalil Al Salahat, Mohamad El Moussawi, Veera Ganesh Yalla, Ali J. Ghandour,
• Abstract要約: 本稿では,QRDA(Quantum Range Doppler Algorithm)の実装について検討する。 量子フーリエ変換(Quantum Fourier Transform, QFT)は、古典的なFFTの高速化ツールである。 また、RDAアルゴリズムの重要な補正ステップの一つであるフーリエ領域におけるレンジセルマイグレーション補正(RCMC)の量子バージョンを提案する。
• 参考スコア（独自算出の注目度）: 0.31457219084519
• License:
• Abstract: Synthetic aperture radar (SAR) data processing is crucial for high-resolution Earth observation and remote sensing applications, one of the most commonly used algorithms for this task is the Range Doppler Algorithm (RDA). Using the Fast Fourier Transform (FFT), the collected signal is transformed to the frequency domain and then goes through the processing steps of this algorithm. However, when it comes to large datasets, this process can be computationally expensive. This paper explores the implementation of a Quantum Range Doppler Algorithm (QRDA), relying on the Quantum Fourier Transform (QFT) as a speedup tool over the classical FFT. Additionally, it proposes a quantum version of the Range Cell Migration Correction (RCMC) in the Fourier domain, one of the key correctional steps of the RDA algorithm, and compares it with its classical counterpart.
• Abstract（参考訳）: 合成開口レーダ(SAR)データ処理は高分解能地球観測およびリモートセンシング用途に不可欠であり、このタスクで最もよく使われるアルゴリズムはレンジドップラーアルゴリズム(RDA)である。 Fast Fourier Transform (FFT) を用いて、収集した信号は周波数領域に変換され、このアルゴリズムの処理ステップを通過する。 しかし、大規模なデータセットに関しては、このプロセスは計算コストがかかる可能性がある。 本稿では,古典的なFFTの高速化ツールとしてQFT(Quantum Fourier Transform)を利用したQRDA(Quantum Range Doppler Algorithm)の実装について検討する。 さらに、RDAアルゴリズムの重要な補正ステップの1つであるフーリエ領域におけるレンジセルマイグレーション補正(RCMC)の量子バージョンを提案し、古典的な手法と比較した。

関連論文リスト

• MIMO Detection via Gaussian Mixture Expectation Propagation: A Bayesian Machine Learning Approach for High-Order High-Dimensional MIMO Systems [0.0]
  効率的なアップリンク(UL) MIMO検出アルゴリズムは、これらの信号を正確に復号し、堅牢な通信を保証するために重要である。 このアルゴリズムは、計算複雑性を低く保ちながら、アート検出アルゴリズムの状態を上回ります。
  論文  参考訳（メタデータ） (2024-12-12T08:53:23Z)
• Adaptive Random Fourier Features Training Stabilized By Resampling With Applications in Image Regression [0.8947831206263182]
  浅層ニューラルネットワークのための適応型ランダムフーリエ(ARFF)訓練アルゴリズムを提案する。 本手法は, 粒子フィルタ型再サンプリング法を用いて, トレーニング過程を安定化し, パラメータ選択に対する感度を低下させる。
  論文  参考訳（メタデータ） (2024-10-08T22:08:03Z)
• Research on Feature Extraction Data Processing System For MRI of Brain Diseases Based on Computer Deep Learning [3.02112659232987]
  本稿では,混合雑音除去法とウェーブレット解析を組み合わせ,従来の反復アルゴリズムを置き換えた行列演算法を提案する。 実験の結果、このアルゴリズムは計算時間で最速であり、検出効果は従来の反復アルゴリズムに匹敵することがわかった。
  論文  参考訳（メタデータ） (2024-06-23T18:41:43Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Deep Unfolded Simulated Bifurcation for Massive MIMO Signal Detection [7.969977930633441]
  深層学習技術と量子(インスパイアされた)アルゴリズムに基づく様々な信号検出器が提案され,検出性能が向上した。 本稿では、量子インスパイアされたアルゴリズムであるシミュレート・バイフルケーション(SB)アルゴリズムに焦点を当てる。
  論文  参考訳（メタデータ） (2023-06-28T14:46:55Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Fourier Disentangled Space-Time Attention for Aerial Video Recognition [54.80846279175762]
  本稿では,UAVビデオ行動認識のためのFAR(Fourier Activity Recognition)アルゴリズムを提案する。 我々の定式化は、人間のエージェントを背景から自然に分離するために、新しいフーリエオブジェクト・ディコンタングルメント法を用いています。 我々はUAV Human RGB、UAV Human Night、Drone Action、NEC Droneを含む複数のUAVデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2022-03-21T01:24:53Z)
• Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
  フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。 いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
  論文  参考訳（メタデータ） (2021-03-01T08:25:26Z)
• Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
  離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。 この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。 古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
  論文  参考訳（メタデータ） (2020-07-01T18:43:32Z)

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。