RASPNet: A Benchmark Dataset for Radar Adaptive Signal Processing Applications

要約

適応レーダーコミュニティ内のデータ駆動型モデルの開発をサポートするために、レーダー適応信号処理（RASP）アプリケーション用の大規模なデータセットを提示します。
データセットであるRaspNetのサイズが16 TBを超え、隣接する米国中のさまざまな地形と土地タイプにわたって編集された100の現実的なシナリオで構成されています。
各シナリオについて、RaspNetは、空中レーダー設定からの10,000のクラッター実現で構成されており、レーダーと複雑な学習アルゴリズムのベンチマークに使用できます。
RASPNETは、適応レーダー処理技術と複雑な値のニューラルネットワークの評価を標準化する大規模で現実的なデータセットの可用性に顕著なギャップを埋めることを目的としています。
RaspNetを現実的な適応レーダー処理シナリオに使用する方法を示すための転送学習の例を含む、その構築、組織、およびいくつかのアプリケーションの概要を説明します。

要約(オリジナル)

We present a large-scale dataset for radar adaptive signal processing (RASP) applications to support the development of data-driven models within the adaptive radar community. The dataset, RASPNet, exceeds 16 TB in size and comprises 100 realistic scenarios compiled over a variety of topographies and land types from across the contiguous United States. For each scenario, RASPNet consists of 10,000 clutter realizations from an airborne radar setting, which can be used to benchmark radar and complex-valued learning algorithms. RASPNet intends to fill a prominent gap in the availability of a large-scale, realistic dataset that standardizes the evaluation of adaptive radar processing techniques and complex-valued neural networks. We outline its construction, organization, and several applications, including a transfer learning example to demonstrate how RASPNet can be used for realistic adaptive radar processing scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google