重新定义汽车雷达成像:基于领域知识的 1D 深度学习方法用于高分辨率和高效性能
原文中文,约400字,阅读约需1分钟。发表于: 。我们的研究将毫米波雷达成像超分辨率重新定义为一维信号超分辨率光谱估计问题,通过利用雷达信号处理领域知识,引入创新的数据归一化和基于信噪比的损失函数,实现了适用于汽车雷达成像的定制深度学习网络,表现出了可观的可扩展性、参数效率和快速推理速度,以及在雷达成像质量和分辨率方面的提升性能。广泛的测试证实,我们的 SR-SPECNet 在产生高分辨率的雷达距离 -...
本文介绍了机器学习在车联网通信中的雷达辅助波束预测应用,通过利用雷达传感器数据降低MIMO通信系统中的波束训练开销,实现低延迟高流动性应用。使用深度学习方法和真实数据集评估算法,准确率约为90%,节省了93%的波束训练开销,为解决波束管理开销挑战提供了有希望的方向。