混合量子神经网络在低信噪比雷达无人机检测与分类中的优势
量子物理
2024-03-05 v1 机器学习
信号处理
应用物理
摘要
在本文中，我们研究了混合量子神经网络与可比的经典卷积神经网络在使用雷达进行检测与分类问题中的性能。具体而言，我们采用了一个源自电磁学理论的相当复杂的雷达时间序列模型，即 Martin-Mulgrew 模型，该模型用于模拟具有旋转叶片物体（如无人机）的雷达回波。我们发现，当信噪比高时，CNN 在检测与分类方面优于 HQNN。然而，在低信噪比情况下（这在实践中最受关注），HQNN 的性能被发现优于具有相似架构的 CNN。
引用
@article{arxiv.2403.02080,
title = {Hybrid Quantum Neural Network Advantage for Radar-Based Drone Detection and Classification in Low Signal-to-Noise Ratio},
author = {Aiswariya Sweety Malarvanan},
journal= {arXiv preprint arXiv:2403.02080},
year = {2024}
}
备注
9 pages, 18 figures