論文の概要: Dim and Small Target Detection for Drone Broadcast Frames Based on Time-Frequency Analysis
- arxiv url: http://arxiv.org/abs/2505.18167v1
- Date: Wed, 14 May 2025 02:53:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-01 23:16:01.417892
- Title: Dim and Small Target Detection for Drone Broadcast Frames Based on Time-Frequency Analysis
- Title（参考訳）: 時間周波数解析に基づくドローン放送フレームのダイムと小型目標検出
- Authors: Jie Li, Jing Li, Zhanyu Ju, Fengkui Gong, Lu Lv,
- Abstract要約: 本稿では,通信プロトコルの時間周波数解析に基づく,ドローン放送フレームのターゲット検出アルゴリズムを提案する。
提案アルゴリズムは,既存のアルゴリズムと比較して,結合,精度,リコールの平均交叉率を3%,精度1.4%,リコール2.4%で改善する。
- 参考スコア（独自算出の注目度）: 13.693769465573297
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a dim and small target detection algorithm for drone broadcast frames based on the time-frequency analysis of communication protocol. Specifically, by analyzing modulation parameters and frame structures, the prior knowledge of transmission frequency, signal bandwidth, Zadoff-Chu (ZC) sequences, and frame length of drone broadcast frames is established. The RF signals are processed through the designed filter banks, and the frequency domain parameters of bounding boxes generated by the detector are corrected with transmission frequency and signal bandwidth. Given the remarkable correlation characteristics of ZC sequences, the frequency domain parameters of bounding boxes with low confidence scores are corrected based on ZC sequences and frame length, which improves the detection accuracy of dim targets under low signal-to noise ratio (SNR) situations. Besides, a segmented energy refinement method is applied to mitigate the deviation caused by interference signals with high energy strength, which ulteriorly corrects the time domain detection parameters for dim targets. As the sampling duration increases, the detection speed improves while the detection accuracy of broadcast frames termed as small targets decreases. The trade-off between detection accuracy and speed versus sampling duration is established, which helps to meet different drone regulation requirements. Simulation results demonstrate that the proposed algorithm improves the average intersection over union, precision, and recall by 3\%, 1.4\%, and 2.4\%, respectively, compared to existing algorithms. The proposed algorithm also performs strong robustness under varying flight distances, diverse types of environment noise, and different flight visual environment.
- Abstract（参考訳）: 本稿では,通信プロトコルの時間周波数解析に基づく,ドローン放送フレームのターゲット検出アルゴリズムを提案する。
具体的には、変調パラメータとフレーム構造を解析することにより、送信周波数、信号帯域、Zadoff-Chu(ZC)シーケンス、およびドローン放送フレームのフレーム長の事前知識を確立する。
RF信号は、設計されたフィルタバンクを介して処理され、検出器によって生成された境界ボックスの周波数領域パラメータは、伝送周波数と信号帯域幅で補正される。
ZC系列の顕著な相関特性を考慮し,低信号対雑音比(SNR)条件下でのダイムターゲットの検出精度を向上させるため,ZC系列とフレーム長に基づいて低信頼スコアのバウンディングボックスの周波数領域パラメータを補正する。
また、高エネルギー強度の干渉信号による偏差を軽減するため、ディムターゲットの時間領域検出パラメータを人工的に補正する分節エネルギー精錬法を適用した。
サンプリング期間が長くなると、検出速度が向上し、小さなターゲットとして呼ばれる放送フレームの検出精度が低下する。
検出精度とサンプリング期間間のトレードオフを確立し、異なるドローン規制要件を満たすのに役立つ。
シミュレーションの結果,提案アルゴリズムは,既存のアルゴリズムと比較して,結合率,精度,リコール率の平均交叉率を3\%,1.4\%,2.4\%で改善することを示した。
提案アルゴリズムは, 飛行距離, 各種環境騒音, 異なる飛行視覚環境下で強靭性を実現する。
関連論文リスト
- UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。
UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である
Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。
周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
論文 参考訳（メタデータ） (2024-06-23T15:03:35Z) - Dim Small Target Detection and Tracking: A Novel Method Based on Temporal Energy Selective Scaling and Trajectory Association [8.269449428849867]
本稿では,有効検出を実現するための時間的特徴に基づく空間的特徴と実現可能性に基づく難易度の分析を行う。
この分析により,マルチフレームを検出単位とし,時間的エネルギー選択スケーリング(TESS)に基づく検出手法を提案する。
対象画素に対して、画素を通過するターゲットは、画素によって形成される強度時間プロファイル(ITP)に弱い過渡的障害をもたらす。
適切に設計された関数を用いて、過渡的障害を増幅し、背景成分と雑音成分を抑圧し、ターゲットの軌道を多フレーム検出ユニットに出力する。
論文 参考訳（メタデータ） (2024-05-15T03:02:21Z) - No-frills Temporal Video Grounding: Multi-Scale Neighboring Attention
and Zoom-in Boundary Detection [52.03562682785128]
時間的ビデオグラウンドティングは、未編集のビデオから言語クエリの時間間隔を取得することを目的としている。
テレビGにおける重要な課題は、低SNR(Semantic Noise Ratio)による低SNRの性能低下である。
本稿では,2つのコアモジュールからなる非フリーズTVGモデルを提案する。
論文 参考訳（メタデータ） (2023-07-20T04:12:10Z) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳（メタデータ） (2022-11-02T22:07:36Z) - Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。
我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
論文 参考訳（メタデータ） (2022-10-23T05:57:39Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Iterative Adaptive Spectroscopy of Short Signals [0.1338174941551702]
ラムゼー干渉法に基づく適応周波数検出プロトコルを開発した。
ラムゼイ配列を強化し、センシング状態と読み出し状態の両方で高い忠実度で調製することにより、高精度を実現する。
論文 参考訳（メタデータ） (2022-04-10T18:07:50Z) - Digital Beamforming Robust to Time-Varying Carrier Frequency Offset [21.18926642388997]
時変キャリア周波数オフセットから発生する信号の破損に頑健な新しいビームフォーミングアルゴリズムを提案する。
パイロットと干渉器信号に未知の時変周波数ドリフトが存在する場合に干渉をキャンセルできる重みベクトルを設計するための2つの原子ノルム最小化(anm)方式を提案する。
論文 参考訳（メタデータ） (2021-03-08T18:08:56Z) - Optimal Sequential Detection of Signals with Unknown Appearance and
Disappearance Points in Time [64.26593350748401]
本論文は、変化の期間が有限で未知であると仮定して、逐次的な変化点検出問題に対処する。
我々は、所定の時間(または空間)ウィンドウにおける最小検出確率を最大化する信頼性の高い最大変更検出基準に焦点を当てる。
FMAアルゴリズムは、光学画像中の衛星のかすかなストリークを検出するために応用される。
論文 参考訳（メタデータ） (2021-02-02T04:58:57Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z)
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。