論文の概要: Position-Aware Self-supervised Representation Learning for Cross-mode Radar Signal Recognition

• arxiv url: http://arxiv.org/abs/2602.11196v1
• Date: Fri, 30 Jan 2026 16:37:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.745142
• Title: Position-Aware Self-supervised Representation Learning for Cross-mode Radar Signal Recognition
• Title（参考訳）: クロスモードレーダ信号認識のための位置認識型自己教師型表現学習
• Authors: Hongyang Zhang, Haitao Zhang, Yinhao Liu, Kunjie Lin, Yue Huang, Xinghao Ding,
• Abstract要約: 複雑な拡張やマスキングを伴わずにパルスレベルの時間ダイナミクスを活用する位置認識型自己教師型フレームワークを提案する。 この枠組みを用いて,長距離設定下でのクロスモードレーダ信号認識を評価し,適応性と一般化性を評価する。 実世界の電磁環境における実用性を強調し, 識別性の向上とロバスト性を示す実験結果を得た。
• 参考スコア（独自算出の注目度）: 45.534027689090664
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Radar signal recognition in open electromagnetic environments is challenging due to diverse operating modes and unseen radar types. Existing methods often overlook position relations in pulse sequences, limiting their ability to capture semantic dependencies over time. We propose RadarPos, a position-aware self-supervised framework that leverages pulse-level temporal dynamics without complex augmentations or masking, providing improved position relation modeling over contrastive learning or masked reconstruction. Using this framework, we evaluate cross-mode radar signal recognition under the long-tailed setting to assess adaptability and generalization. Experimental results demonstrate enhanced discriminability and robustness, highlighting practical applicability in real-world electromagnetic environments.
• Abstract（参考訳）: オープン電磁環境におけるレーダー信号の認識は、様々な動作モードと目に見えないレーダータイプのために困難である。 既存の手法はしばしばパルス列の位置関係を見落とし、時間とともにセマンティックな依存関係をキャプチャする能力を制限する。 本稿では,複雑な拡張やマスキングを伴わずにパルスレベルの時間ダイナミクスを活用する位置認識型自己教師型フレームワークRadarPosを提案する。 この枠組みを用いて,長距離設定下でのクロスモードレーダ信号認識を評価し,適応性と一般化性を評価する。 実世界の電磁環境における実用性を強調し, 識別性の向上とロバスト性を示す実験結果を得た。

関連論文リスト

• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• LRFusionPR: A Polar BEV-Based LiDAR-Radar Fusion Network for Place Recognition [2.77989705536351]
  自律運転においては、位置認識はGPSを用いた環境におけるグローバルな位置決めに不可欠である。 本稿では,LiDARを単一チップまたは走査型レーダーで融合させることにより,認識精度とロバスト性を向上させるLRFusionPRを提案する。
  論文  参考訳（メタデータ） (2025-04-27T10:20:32Z)
• 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)
• Waveform Selection for Radar Tracking in Target Channels With Memory via Universal Learning [14.796960833031724]
  シーンの状態に関する部分的な情報を用いてレーダーの波形を適応させることは、多くの現実的なシナリオにおいてパフォーマンス上の利点をもたらすことが示されている。 本研究では,レーダ環境インタフェースの圧縮モデルを構築するレーダシステムについて,文脈木として検討する。 提案手法はシミュレーション実験で検証され、2つの最先端波形選択方式による追従性能の向上が示されている。
  論文  参考訳（メタデータ） (2021-08-02T21:27:56Z)

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。