抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
レーダベースの材料検出は,把持および製造品質保証および制御のための物体認識のような消費者および産業応用における潜在的包含のために,近年大きな注目を受けた。特定の材料特性と形状を有する制御された設定の下での材料分類のために,いくつかのレーダ出版物を開発した。最近の文献は,レーダベースの材料分類に関する以前の知見に挑戦し,以前の解決策は,ターゲットアスペクト角に対するアナログ対ディジタル変換器の高感度,温度による雑音変動,および他の外部条件,およびセンサ配向のような問題のために,工業的応用に容易にスケールできないという主張を主張している。抽出したレーダベースの伝統的特徴のロバスト性に及ぼす前述の因子の影響に関する公表実験は,深いニューラルネットワークの適用が,ある程度,実行可能な解決策を生産するための影響を緩和することができることを既に実証した。しかし,以前の研究は,低頻度レーダユニット,特に<10GHz,および60GHz以上の高範囲ユニットに対する有用性の調査を欠いている。前述の調査に取り組むために,本研究では,Vayyar撮像によるWalabot-3D(6.3-8GHz)cm波とIMAGEVK-74(62-69GHz)mm波イメージングユニットの異なる周波数領域の2つのレーダユニットを考察した。比較を,材料分類のための各ユニットの適用性に関して提示した。また,本研究は,これらのユニットによって受信された反射信号に基づく異なる材料の同定のために,深いウェーブレット散乱変換を適用することにより,以前の努力にも拡張した。ウェーブレット散乱特性抽出器において,データを一連のウェーブレット変換,非線形性,および平均化を通して伝搬し,反射レーダ信号の低分散表現を生成した。本研究は,材料分類における利用レーダユニットとアルゴリズムの比較に関して独特であり,両ユニットによって強い性能を示すリアルタイム実証を含み,これは,cm波レーダユニットによって提供されるロバスト性の増加を伴う。Copyright 2022 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】