論文の概要: Represent Micro-Doppler Signature in Orders

• arxiv url: http://arxiv.org/abs/2602.12985v1
• Date: Fri, 13 Feb 2026 14:58:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.996284
• Title: Represent Micro-Doppler Signature in Orders
• Title（参考訳）: 命令におけるマイクロドップラー信号の表現
• Authors: Weicheng Gao,
• Abstract要約: 複雑な環境下での人間の活動の非視線センシングは、マルチインプットマルチアウトプット・スルー・ザ・ウォール・レーダ(TWR)によって可能となる しかし、銃の運搬や通常の歩行といった屋内の人間活動と類似したマイクロドップラー・シグネチャの区別は最小限である。 そこで本研究では,マイクロドップラーシグネチャをスペクトルオーダーで特徴付ける手法であるChebyshev-time Mapを提案する。
• 参考スコア（独自算出の注目度）: 1.3706331473063882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-line-of-sight sensing of human activities in complex environments is enabled by multiple-input multiple-output through-the-wall radar (TWR). However, the distinctiveness of micro-Doppler signature between similar indoor human activities such as gun carrying and normal walking is minimal, while the large scale of input images required for effective identification utilizing time-frequency spectrograms creates challenges for model training and inference efficiency. To address this issue, the Chebyshev-time map is proposed in this paper, which is a method characterizing micro-Doppler signature using polynomial orders. The parametric kinematic models for human motion and the TWR echo model are first established. Then, a time-frequency feature representation method based on orthogonal Chebyshev polynomial decomposition is proposed. The kinematic envelopes of the torso and limbs are extracted, and the time-frequency spectrum slices are mapped into a robust Chebyshev-time coefficient space, preserving the multi-order morphological detail information of time-frequency spectrum. Numerical simulations and experiments are conducted to verify the effectiveness of the proposed method, which demonstrates the capability to characterize armed and unarmed indoor human activities while effectively compressing the scale of the time-frequency spectrum to achieve a balance between recognition accuracy and input data dimensions. The open-source code of this paper can be found in: https://github.com/JoeyBGOfficial/Represent-Micro-Doppler-Signature-in-Orders.
• Abstract（参考訳）: 複雑な環境下での人間の活動の非視線検知は、マルチインプットマルチ出力・スルー・ザ・ウォール・レーダ(TWR)によって可能となる。 しかし、銃の運搬や通常の歩行といった類似の屋内人間活動におけるマイクロドップラーシグネチャの特異性は最小限であり、時間周波数スペクトログラムを用いた効果的な識別に必要な大量の入力画像は、モデルトレーニングと推論効率の課題を生み出している。 そこで本研究では,マイクロドップラーシグネチャを多項式順序で特徴付ける手法であるChebyshev-time Mapを提案する。 ヒトの動きのパラメトリックキネマティックモデルとTWRエコーモデルが最初に確立された。 そこで,直交チェビシェフ多項式分解に基づく時間周波数特徴表現法を提案する。 胴体と手足のキネマティックエンベロープを抽出し、時間周波数スペクトルスライスをロバストなチェビシェフ時間係数空間にマッピングし、時間周波数スペクトルの多階形態的詳細情報を保存する。 提案手法の有効性を検証するため, シミュレーションおよび実験を行い, 時間周波数スペクトルのスケールを効果的に圧縮し, 認識精度と入力データ次元のバランスを保ちながら, 武装・非武装動作を特徴付ける能力を実証した。 本論文のオープンソースコードは、https://github.com/JoeyBGOfficial/Represent-Micro-Doppler-Signature-in-Ordersにある。

関連論文リスト

• Cognitive Fusion of ZC Sequences and Time-Frequency Images for Out-of-Distribution Detection of Drone Signals [12.735651073414452]
  本稿では,Zadoff-Chu (ZC) シーケンスと時間周波数画像(TFI)の認識融合に基づくドローン信号出力検出アルゴリズムを提案する。 ZCシーケンスは、DJIドローンの通信プロトコルを分析し、TFIは未知または非標準通信プロトコルでドローン信号の時間周波数特性をキャプチャする。
  論文  参考訳（メタデータ） (2026-01-26T10:10:08Z)
• FreSh: Frequency Shifting for Accelerated Neural Representation Learning [11.175745750843484]
  Inlicit Neural Representations (INR) は、画像、ビデオ、三次元形状などの信号を多層パーセプトロン(MLP)を用いて連続的に表現するための強力なアプローチとして近年注目されている。 低周波の詳細は低周波バイアスを示し、高周波の詳細を正確に捉える能力を制限することが知られている。 本稿では、初期出力の周波数スペクトルと目標信号の周波数スペクトルを一致させる周波数シフト(FreSh)を提案する。
  論文  参考訳（メタデータ） (2024-10-07T14:05:57Z)
• Through-the-Wall Radar Human Activity Micro-Doppler Signature Representation Method Based on Joint Boulic-Sinusoidal Pendulum Model [22.320147097092416]
  本稿では,Bulic-Sinusoidal pendulum 動作モデルに基づく人間活動型マイクロドップラーシグネチャ表現法を提案する。 またドップラー情報とマイクロドップラー情報を記述するのに必要なキーポイントの最小数を十分に計算する。
  論文  参考訳（メタデータ） (2024-08-22T02:33:29Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• Representing Noisy Image Without Denoising [91.73819173191076]
  ラドン空間におけるフラクショナルオーダーモーメント(FMR)は、ノイズの多い画像から直接ロバストな表現を引き出すように設計されている。 従来の整数順序法とは異なり、我々の研究は特別な場合のような古典的手法を取り入れたより汎用的な設計である。
  論文  参考訳（メタデータ） (2023-01-18T10:13:29Z)
• 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)
• A MIMO Radar-based Few-Shot Learning Approach for Human-ID [3.3073775218038883]
  深層学習に基づく人間識別のためのレーダーは、関心の高まりの研究領域となっている。 マイクロドップラー((upmu)-D)は、周期的な手足のマイクロモーションを捉えて歩行行動を反映できることが示されている。 本稿では,Multi-Input-multiple-output (MIMO) レーダーを用いて,高度角速度のマイクロモーションスペクトログラムを定式化する。
  論文  参考訳（メタデータ） (2021-10-16T15:37:57Z)
• Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
  複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。 提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
  論文  参考訳（メタデータ） (2020-11-08T10:40:26Z)

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。