用于改进毫米波成像系统的新型混合学习算法

Josiah Smith

用于改进毫米波成像系统的新型混合学习算法

信号处理 2023-06-28 v1 人工智能计算机视觉与模式识别图像与视频处理

作者: Josiah Smith

摘要

毫米波(mmWave, 30 GHz至300 GHz)与太赫兹(THz, 300 GHz至10 THz)传感应用正受到越来越多的关注，包括安全传感、工业封装、医学成像与非破坏性检测。传统的感知与成像方法受到新颖数据驱动算法的挑战，后者提供了更高的分辨率、定位与检测率。过去十年中，深度学习技术获得了极大普及，尤其在感知与计算机视觉应用中。虽然传统信号处理技术更易推广至各类应用，但信号处理与基于学习的算法交错进行的混合方法在性能与泛化性之间提供了有前景的折衷。此外，此类混合算法通过利用射频(RF)波形的已知特性改进模型训练，从而产生训练更高效且比传统方法性能更高的深度学习算法。本学位论文介绍了用于改进mmWave成像系统的新型混合学习算法，可应用于感知与传感中的大量问题。探索了多种问题空间，包括静态与动态手势分类；用于人机交互的精确手部定位；使用前向合成孔径雷达(SAR)的高分辨率近场mmWave成像；不规则扫描几何下的SAR；使用深度神经网络(DNN)与Vision Transformer (ViT)架构的mmWave图像超分辨率；以及使用新型混合学习架构的数据级多频段雷达融合。此外，我们介绍了几种用于深度学习模型训练与数据集合成的新型方法。

关键词

毫米波成像混合学习算法深度学习信号处理合成孔径雷达 Vision Transformer 雷达融合

引用

@article{arxiv.2306.15341,
  title  = {Novel Hybrid-Learning Algorithms for Improved Millimeter-Wave Imaging Systems},
  author = {Josiah Smith},
  journal= {arXiv preprint arXiv:2306.15341},
  year   = {2023}
}

备注

PhD Dissertation Submitted to UTD ECE Department

用于改进毫米波成像系统的新型混合学习算法

摘要

关键词

引用

备注

相关论文