論文の概要: Detecting radar targets swarms in range profiles with a partially complex-valued neural network

• arxiv url: http://arxiv.org/abs/2602.09597v1
• Date: Tue, 10 Feb 2026 09:49:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.48129
• Title: Detecting radar targets swarms in range profiles with a partially complex-valued neural network
• Title（参考訳）: 部分複素数値ニューラルネットワークを用いたレンジプロファイルにおけるレーダー標的群の検出
• Authors: Martin Bauw,
• Abstract要約: 本稿では,近接エコーと歪みエコーの異なる複数のターゲットを含むレーダレンジプロファイルにおけるターゲット検出の問題点について述べる。 この研究は、レーダーと信号処理の文献における最近の貢献に触発され、適応範囲プロファイル処理として部分的に複雑に評価されたニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Correctly detecting radar targets is usually challenged by clutter and waveform distortion. An additional difficulty stems from the relative proximity of several targets, the latter being perceived as a single target in the worst case, or influencing each other's detection thresholds. The negative impact of targets proximity notably depends on the range resolution defined by the radar parameters and the adaptive threshold adopted. This paper addresses the matter of targets detection in radar range profiles containing multiple targets with varying proximity and distorted echoes. Inspired by recent contributions in the radar and signal processing literature, this work proposes partially complex-valued neural networks as an adaptive range profile processing. Simulated datasets are generated and experiments are conducted to compare a common pulse compression approach with a simple neural network partially defined by complex-valued parameters. Whereas the pulse compression processes one pulse length at a time, the neural network put forward is a generative architecture going through the entire received signal in one go to generate a complete detection profile.
• Abstract（参考訳）: レーダー目標の正確な検出は、通常、乱れや波形の歪みによって行われる。 追加的な困難は、いくつかのターゲットの相対的な近接から生じており、後者は最悪の場合において単一のターゲットと見なされるか、お互いの検知しきい値に影響を与える。 標的の負の影響は、レーダーパラメータによって定義された範囲の分解と適応しきい値の順応に依存する。 本稿では,近接エコーと歪みエコーの異なる複数のターゲットを含むレーダレンジプロファイルにおけるターゲット検出の問題点について述べる。 この研究は、レーダーと信号処理の文献における最近の貢献に触発され、適応範囲プロファイル処理として部分的に複雑に評価されたニューラルネットワークを提案する。 シミュレーションデータセットが生成され、複素数値パラメータによって部分的に定義される単純なニューラルネットワークと共通のパルス圧縮アプローチを比較する実験が実施されている。 パルス圧縮が1回に1つのパルス長を処理するのに対し、ニューラルネットワークは1回に1回の受信信号全体を通して完全な検出プロファイルを生成する生成アーキテクチャである。

関連論文リスト

• SparseRadNet: Sparse Perception Neural Network on Subsampled Radar Data [5.344444942640663]
  レーダー生データは、しばしば過剰なノイズを含むが、レーダー点雲は限られた情報しか保持しない。 本稿では,適応的なサブサンプリング手法と,空間パターンを利用したネットワークアーキテクチャを提案する。 RADIalデータセットの実験により,SparseRadNetはオブジェクト検出における最先端(SOTA)性能を超え,自由空間セグメンテーションにおけるSOTA精度に近づいた。
  論文  参考訳（メタデータ） (2024-06-15T11:26:10Z)
• DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images [20.11145540094807]
  本稿では、畳み込みバイアスを校正し、高周波により多くの注意を払うために、明示的な周波数領域変換によって支援されるネットワークを提案する。 変換領域ソフトしきい値処理を行う動的周波数領域アテンションモジュールであるTransDenoを設計する。 プラグアンドプレイのTransDenoは、複数のSARターゲット検出データセットに対して最先端のスコアを設定する。
  論文  参考訳（メタデータ） (2024-06-05T01:05:26Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• 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)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• Anomaly Detection in Radar Data Using PointNets [7.3600716208089825]
  異常なレーダーターゲットを検出するために,PointNetsに基づく手法を提案する。 本手法は都市シナリオにおける実世界のデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-20T10:02:24Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Adversarial Examples Detection with Bayesian Neural Network [57.185482121807716]
  本稿では,ランダムな成分が予測器の滑らかさを向上できるという観測によって動機づけられた敵の例を検出するための新しい枠組みを提案する。 本稿では,BATer を略した新しいベイズ対向型サンプル検出器を提案し,対向型サンプル検出の性能を向上させる。
  論文  参考訳（メタデータ） (2021-05-18T15:51:24Z)
• Temporal-Spatial Neural Filter: Direction Informed End-to-End Multi-channel Target Speech Separation [66.46123655365113]
  ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。 主な課題は、複雑な音響環境とリアルタイム処理の要件である。 複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
  論文  参考訳（メタデータ） (2020-01-02T11:12:50Z)

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。