基于深度强化学习的自动增益控制用于下游雷达目标检测
信号处理
2021-12-15 v1
摘要
认知雷达是依赖雷达与周围环境交互进行学习的系统。为实现这一点，可以调整雷达发射参数以辅助某些下游任务。本文提出使用深度强化学习（RL）来学习目标检测任务下的增益控制策略。YOLOv3 单发目标检测器用于下游任务，并将与 RL 智能体同时使用。此外，引入了一个使用 Grand Theft Auto V 游戏引擎对雷达环境建模的合成数据集。该方法允许模拟大量数据，并灵活分配雷达参数以辅助主动学习过程。
引用
@article{arxiv.2107.03792,
title = {Automated Gain Control Through Deep Reinforcement Learning for Downstream Radar Object Detection},
author = {Tristan S. W. Stevens and R. Firat Tigrek and Eric S. Tammam and Ruud J. G. van Sloun},
journal= {arXiv preprint arXiv:2107.03792},
year = {2021}
}
备注
5 pages, 5 figures, conference