文献

J-GLOBAL ID：202002282991567410   整理番号：20A2260630

深層残差分離可能ニューラルネットワークに基づく二次レーダ信号処理【JST・京大機械翻訳】

Secondary Radar Signal Processing Based on Deep Residual Separable Neural Network

著者 (3件)： Du Xue (University of Electronic Science and Technology of China,Chengdu,China) ,  Liao Kuo (University of Electronic Science and Technology of China,Chengdu,China) ,  Shen Xiaofeng (University of Electronic Science and Technology of China,Chengdu,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICPICS  ページ： 12-16  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ターゲットエコーに加えて,二次監視レーダ(SSR)の信号環境も,環境エコーと雑音干渉を含み,応答信号の正しい復号化に大きく影響する。今日,二次レーダ応答信号の処理は基本的に従来の信号処理法を使用し,深層学習ニューラルネットワークを用いた雑音除去のための方法はほとんどない。本論文は,深い残差分離可能ニューラルネットワーク(DRS-Net)に基づく二次レーダ信号処理法を提案して,それは二次レーダ信号の深い特徴を効果的に抽出して,オリジナルの応答信号を予測することができた。ネットワークのコアは,深い分離可能畳込みニューラルネットワークに基づいていて,深い残差接続構造は,信号の深い特徴を効果的に学習することができた。異なる信号対雑音比雑音を持つ二次レーダ応答信号を用いて,多くの実験と検証を行った。実験結果は,この方法が通常のレーダ操作環境において高い雑音除去性能を持ち,二次レーダ応答信号を正確に予測できることを示した。信号対雑音比が5dBであるとき,厳密な精度率は94%に達することができる。信号対雑音比が10dBより高いとき,厳密な精度率は99.95%に達した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  干渉 ,  雑音 ,  *レーダ ,  *ネットワーク ,  *ニューラルネットワーク ,  *信号処理 ,  *残差 ,  復号化 ,  深層 ,  雑音除去
準シソーラス用語： 二次監視レーダ ,  レーダ信号処理 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層 ,  残差 ,  ニューラルネットワーク ,  レーダ信号処理