Novel Hybrid-Learning Algorithms for Improved Millimeter-Wave Imaging Systems

要約

30 GHz ~ 300 GHz のミリ波 (mmWave) と 300 GHz ~ 10 THz のテラヘルツ (THz) のセンシング アプリケーション (セキュリティ センシング、産業用パッケージング、医療画像処理、非破壊検査など) への注目が高まっています。
知覚と画像化のための従来の方法は、解像度、位置特定、検出率の向上を実現する新しいデータ駆動型アルゴリズムによって挑戦されています。
過去 10 年にわたり、ディープ ラーニング テクノロジは、特に知覚およびコンピュータ ビジョン アプリケーションにおいて大きな人気を集めてきました。
従来の信号処理技術はさまざまなアプリケーションに容易に一般化できますが、信号処理と学習ベースのアルゴリズムが交互に組み合わされるハイブリッド アプローチでは、パフォーマンスと汎用性の間に有望な妥協点が生じます。
さらに、このようなハイブリッド アルゴリズムは、無線周波数 (RF) 波形の既知の特性を活用することでモデルのトレーニングを改善し、より効率的にトレーニングされた深層学習アルゴリズムを生成し、従来の方法よりも高いパフォーマンスを提供します。
この論文では、知覚とセンシングにおける多くの問題に適用可能な、改良されたミリ波イメージング システムのための新しいハイブリッド学習アルゴリズムを紹介します。
静的および動的ジェスチャ分類を含むさまざまな問題空間が調査されます。
人間のコンピューターとの対話のための正確な手の位置特定。
前方合成開口レーダー (SAR) を使用した高解像度近接場ミリ波イメージング。
不規則な走査形状における SAR。
ディープ ニューラル ネットワーク (DNN) およびビジョン トランスフォーマー (ViT) アーキテクチャを使用したミリ波画像の超解像度。
新しいハイブリッド学習アーキテクチャを使用したデータレベルのマルチバンド レーダー フュージョン。
さらに、深層学習モデルのトレーニングとデータセット合成のためのいくつかの新しいアプローチを紹介します。

要約(オリジナル)

Increasing attention is being paid to millimeter-wave (mmWave), 30 GHz to 300 GHz, and terahertz (THz), 300 GHz to 10 THz, sensing applications including security sensing, industrial packaging, medical imaging, and non-destructive testing. Traditional methods for perception and imaging are challenged by novel data-driven algorithms that offer improved resolution, localization, and detection rates. Over the past decade, deep learning technology has garnered substantial popularity, particularly in perception and computer vision applications. Whereas conventional signal processing techniques are more easily generalized to various applications, hybrid approaches where signal processing and learning-based algorithms are interleaved pose a promising compromise between performance and generalizability. Furthermore, such hybrid algorithms improve model training by leveraging the known characteristics of radio frequency (RF) waveforms, thus yielding more efficiently trained deep learning algorithms and offering higher performance than conventional methods. This dissertation introduces novel hybrid-learning algorithms for improved mmWave imaging systems applicable to a host of problems in perception and sensing. Various problem spaces are explored, including static and dynamic gesture classification; precise hand localization for human computer interaction; high-resolution near-field mmWave imaging using forward synthetic aperture radar (SAR); SAR under irregular scanning geometries; mmWave image super-resolution using deep neural network (DNN) and Vision Transformer (ViT) architectures; and data-level multiband radar fusion using a novel hybrid-learning architecture. Furthermore, we introduce several novel approaches for deep learning model training and dataset synthesis.

arxiv情報

著者 Josiah Smith
発行日 2023-06-27 09:51:20+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, eess.IV, eess.SP パーマリンク