論文の概要: Self-learning signal classifier for decameter coherent scatter radars

• arxiv url: http://arxiv.org/abs/2506.10305v1
• Date: Thu, 12 Jun 2025 02:32:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.538763
• Title: Self-learning signal classifier for decameter coherent scatter radars
• Title（参考訳）: デカメータコヒーレント散乱レーダのための自己学習信号分類器
• Authors: Oleg Berngardt, Ivan Lavygin,
• Abstract要約: 提案手法は, 得られたレーダデータ, 電離層における電波伝搬の自動モデリング結果, モデルの品質を推定するための数学的基準に基づく。 このモデルは、SuperDARNとSECIRAの12のレーダーで得られたデータを、レーダー毎に2年以上にわたって訓練する。 クラスを特定するための最も重要なパラメータは、後半の信号線追跡軌道の形状、散乱高さ、レーダーによって測定されたドップラー速度である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper presents a method for automatic constructing a classifier for processed data obtained by decameter coherent scatter radars. Method is based only on the radar data obtained, the results of automatic modeling of radio wave propagation in the ionosphere, and mathematical criteria for estimating the quality of the models. The final classifier is the model trained at data obtained by 12 radars of the SuperDARN and SECIRA networks over two years for each radar. The number of the model coefficients is 2669. For the classification, the model uses both the calculated parameters of radio wave propagation in the model ionosphere and the parameters directly measured by the radar. Calibration of radiowave elevation measurements at each radar was made using meteor trail scattered signals. The analysis showed that the optimal number of classes in the data is 37, of which 25 are frequently observed. The analysis made it possible to choose 14 classes from them, which are confidently separated in other variants of model training. A preliminary interpretation of 10 of them was carried out. The dynamics of observation of various classes and their dependence on the geographical latitude of radars at different levels of solar and geomagnetic activity were presented, it was shown that it does not contradict with known physical mechanisms. The analysis showed that the most important parameters to identify the classes are the shape of the signal ray-tracing trajectory in its second half, the ray-traced scattering height and the Doppler velocity measured by the radar.
• Abstract（参考訳）: 本稿では,デカメータコヒーレント散乱レーダを用いて得られた処理データの分類器を自動構築する手法を提案する。 提案手法は, 得られたレーダデータ, 電離層における電波伝搬の自動モデリング結果, モデルの品質を推定するための数学的基準に基づく。 最終分類器は、スーパーDARNとSECIRAの12のレーダーが各レーダーに対して2年以上にわたって取得したデータに基づいて訓練されたモデルである。 モデル係数の数は2669である。 分類には、モデル電離層における電波伝搬の算出されたパラメータと、レーダーによって直接測定されたパラメータの両方を用いる。 各レーダにおける電波高度測定の校正は, 流星跡散乱信号を用いて行った。 分析の結果,データ中の最適なクラス数は37で,そのうち25が頻繁に観測されている。 この分析により、モデルトレーニングの他のバリエーションと確実に分離された14のクラスを選択できるようになった。 そのうち10件を予備解釈した。 様々な階級の観測のダイナミクスと、太陽・地磁気活動の異なるレベルにおけるレーダーの地理的緯度依存性が示され、既知の物理機構と矛盾しないことが示されている。 分析の結果, クラスを特定する上で最も重要なパラメータは, 後半の信号線追跡軌道の形状, 散乱高さ, ドップラー速度であることがわかった。

関連論文リスト

• DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
  移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。 スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。 提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
  論文  参考訳（メタデータ） (2025-04-29T01:20:30Z)
• 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)
• DiffSR: Learning Radar Reflectivity Synthesis via Diffusion Model from Satellite Observations [42.635670495018964]
  我々はDiffSRと呼ばれる2段階拡散法を提案し、高周波の詳細と高値領域を生成する。 提案手法は, 最新技術(SOTA)の成果を達成し, 高周波の細部と高値領域を生成できることを実証する。
  論文  参考訳（メタデータ） (2024-11-11T04:50:34Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
  無線信号認識は電子戦において重要な機能である。 電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。 ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
  論文  参考訳（メタデータ） (2023-12-15T01:56:27Z)
• 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)
• Human Behavior Recognition Method Based on CEEMD-ES Radar Selection [12.335803365712277]
  人間の行動を特定するミリ波レーダーは、医療、セキュリティ、その他の分野で広く使われている。 複数のレーダデータを処理するには、多くの時間と計算コストが必要です。 これらの問題を解決するために, 補足型経験モード分解エネルギースライス (CEEMD-ES) マルチスタティックレーダ選択法を提案する。 実験により、この方法はレーダーを効果的に選択できることが示され、3種類の人間の行動の認識率は98.53%である。
  論文  参考訳（メタデータ） (2022-06-06T16:01:06Z)
• Radar-based Materials Classification Using Deep Wavelet Scattering Transform: A Comparison of Centimeter vs. Millimeter Wave Units [0.0]
  本研究では、Vayyar ImagingによるWalabot-3D (6.3-8 GHz)cm波と ImageVK-74 (62-69 GHz)mm波イメージングの2つの周波数範囲のレーダーユニットについて検討する。
  論文  参考訳（メタデータ） (2022-02-08T02:07:14Z)
• 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)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)

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。

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。