分布式雷达点云处理中的合作与联邦
机器学习
2024-05-06 v1 计算机视觉与模式识别
信息论
math.IT
摘要
本文考虑的人类尺度 RF 传感利用资源受限的MIMO雷达网络，雷达分辨率较低的范围-方位。雷达工作在毫米波频段，获取对身体运动敏感的时变3D点云（PC）信息。它们从不同视角观察同一场景并在使用侧链通信信道进行感知时进行协作。传统的合作设置允许雷达相互交换原始PC信息以改善自主感知。本文提出了一种联邦机制，使得雷达交换贝叶斯后验测度参数，而非原始数据。雷达作为分布式参数服务器，通过贝叶斯工具重建全局后验（即联邦后验）。本文对比了雷达联邦与合作机制的优势。两种方法均通过实际实时演示平台进行验证。联邦对侧链通信信道的使用效率提高了20至25倍，同时对未解析目标的敏感性更低。相比之下，合作可将目标估计误差平均绝对值降低约20%。
引用
@article{arxiv.2405.01995,
title = {Cooperation and Federation in Distributed Radar Point Cloud Processing},
author = {S. Savazzi and V. Rampa and S. Kianoush and A. Minora and L. Costa},
journal= {arXiv preprint arXiv:2405.01995},
year = {2024}
}