基于残差过完备自编码器块展开鲁棒 PCA 的汽车雷达干扰抑制
信号处理
2021-04-20 v2 计算机视觉与模式识别
机器学习
摘要
在自动驾驶中，雷达系统在检测道路上其他车辆等目标方面发挥着重要作用。安装在不同车辆上的雷达会相互干扰，降低检测性能。用于汽车雷达干扰抑制的深度学习方法能成功估计目标的幅度，但无法恢复相应目标的相位。本文中，我们提出一种基于展开鲁棒主成分分析（RPCA）的高效技术，能够在存在干扰的情况下同时估计幅度和相位。我们的贡献在于将残差过完备自编码器（ROC-AE）块引入展开 RPCA 的循环架构中，从而得到一个更深的模型，其性能显著优于展开 RPCA 以及其他深度学习模型。
引用
@article{arxiv.2010.10357,
title = {Automotive Radar Interference Mitigation with Unfolded Robust PCA based on Residual Overcomplete Auto-Encoder Blocks},
author = {Nicolae-Cătălin Ristea and Andrei Anghel and Radu Tudor Ionescu and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2010.10357},
year = {2021}
}
备注
Accepted at the CVPR 2021 Embedded Vision Workshop