用于汽车雷达干扰抑制的神经网络端到端训练
机器学习
2023-12-18 v1 信号处理
摘要
在本文中，我们提出了一种用于调频连续波（FMCW）雷达相互干扰抑制的神经网络训练新方法。与以往工作中训练神经网络从受干扰雷达信号回归到干净雷达信号不同，我们直接在目标检测图上训练神经网络。我们通过对单元平均恒虚警率（CA-CFAR）峰值检测器进行连续松弛来实现这一点，该检测器是一种成熟的雷达目标检测算法。通过这种新的训练目标，我们能够大幅提高目标检测性能。此外，我们引入了可分离卷积核，以大幅减少雷达应用中卷积神经网络架构的参数数量和计算复杂度。我们通过在真实世界测量数据上的实验验证了我们的贡献，并将其与信号处理干扰抑制方法进行了比较。
引用
@article{arxiv.2312.09790,
title = {End-to-End Training of Neural Networks for Automotive Radar Interference Mitigation},
author = {Christian Oswald and Mate Toth and Paul Meissner and Franz Pernkopf},
journal= {arXiv preprint arXiv:2312.09790},
year = {2023}
}
备注
2023 IEEE International Radar Conference (RADAR), 6 pages, 4 figures