論文の概要: Adaptive-Frequency Resonate-and-Fire Neurons for Spectral Estimation of Streaming Radar Signals

• arxiv url: http://arxiv.org/abs/2606.13516v1
• Date: Thu, 11 Jun 2026 16:06:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.902024
• Title: Adaptive-Frequency Resonate-and-Fire Neurons for Spectral Estimation of Streaming Radar Signals
• Title（参考訳）: ストリームレーダ信号のスペクトル推定のための適応周波数共振・発火ニューロン
• Authors: Stefano Chiavazza, Sen Yuan, Marc Geilen, Francesco Fioranelli, Federico Corradi,
• Abstract要約: 適応型共振器・発火ニューロンに基づくニューロモルフィック・インスパイア信号処理法を提案する。 提案したモデルはサンプル・バイ・サンプル方式で動作し、その結果、追跡対象数に応じてスケールするメモリ要求が生じる。 シミュレーションおよび実験データによる結果から,本手法が複数の目標の追跡に有効であることが確認された。
• 参考スコア（独自算出の注目度）: 5.2855426312680995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frequency Modulated Continuous Wave (FMCW) radar systems traditionally rely on Fourier-based methods, such as the Fast Fourier Transform (FFT), to estimate target range and velocity. While computationally efficient, these approaches require storing and processing large blocks of data, which can become a bottleneck in memory-constrained or low-latency applications. In this work, we propose a neuromorphic-inspired signal processing method based on adaptive resonate-and-fire (ARF) neurons formulated as a discrete-time dynamical system. Each neuron dynamically adjusts its internal frequency to match dominant frequency components of the input radar signal, enabling direct estimation of target ranges and velocities without computing the full frequency spectrum. The proposed model operates in a sample-by-sample fashion, resulting in memory requirements that scale with the number of tracked targets rather than the signal length. A feedback mechanism is also introduced to enable multiple neurons to lock on distinct frequency components in multi-target cases. Results on simulated and experimental data demonstrate that the method can successfully track multiple targets. Compared to conventional FFT-based approaches, the proposed method offers reduced memory usage proportional only to the number of tracked targets, making it suitable for resource-constrained and edge-based radar applications.
• Abstract（参考訳）: 周波数変調連続波(FMCW)レーダーシステムは従来、目標範囲と速度を推定するためにFast Fourier Transform (FFT)のようなフーリエベースの手法に依存していた。 計算効率は高いが、これらの手法では大量のデータを保存し処理する必要がある。 本研究では,適応共振器(ARF)ニューロンを離散時間力学系として定式化したニューロモルフィックインスパイア信号処理法を提案する。 各ニューロンは内部周波数を動的に調整し、入力レーダ信号の主周波数成分と一致させ、全周波数スペクトルを計算することなく目標範囲と速度を直接推定する。 提案したモデルはサンプル・バイ・サンプル方式で動作し、結果として信号長ではなく、追跡対象の数をスケールするメモリ要件が生じる。 フィードバック機構も導入され、複数のニューロンが異なる周波数成分をマルチターゲットでロックできるようになった。 シミュレーションおよび実験データによる結果から,本手法が複数の目標の追跡に有効であることが確認された。 従来のFFTベースの手法と比較して、提案手法は追跡対象数に比例してメモリ使用量を削減し、資源制約とエッジベースのレーダ用途に適している。

関連論文リスト

• Fast frequency reconstruction using Deep Learning for event recognition in ring laser data [0.0]
  約10ミリ秒以内に数百ヘルツの周波数を再構成できるニューラルネットワーク手法を提案する。 本手法は、GINGERINOの運用範囲における周波数推定精度を2倍に向上させ、標準フーリエ法より優れる。 高速周波数推定に加えて,レーザ不安定性や地震イベントなどの信号の物理的乱れを識別する自動分類フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-10-01T15:18:31Z)
• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Range and Angle Estimation with Spiking Neural Resonators for FMCW Radar [16.91912935835324]
  自動車レーダーシステムは、高いサンプリングレートと大規模なデータ帯域幅を管理するという課題に直面している。 ニューロモルフィックコンピューティングは、その固有のエネルギー効率と並列処理能力のために、有望なソリューションを提供する。 本研究では、周波数変調連続波レーダ(FMCW)の信号処理のための新しいスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-02T13:51:03Z)
• 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)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
  我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。 シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。 本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
  論文  参考訳（メタデータ） (2022-11-24T07:30:27Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)

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。