基于参数化变分自编码器与域适应的原始ADC数据雷达图像重建
计算机视觉与模式识别
2022-07-14 v1 机器学习
摘要
本文提出了一种基于参数化变分自编码器的人员目标检测与定位框架，该框架直接处理来自调频连续波雷达的模拟-数字转换器（ADC）原始数据。我们提出了一种带残差与跳跃连接的参数约束变分自编码器，能够在距离-角度图像上生成聚类且定位的目标检测结果。此外，为避免使用真实雷达数据在所有可能场景下训练所提神经网络的问题，我们提出了域适应策略：首先利用基于光线追踪的模型数据训练神经网络，再将网络适配到真实传感器数据上工作。该策略即使在有限雷达数据训练下也能确保所提神经网络具有更好的泛化性与可扩展性。我们证明了相较于传统信号处理流水线以及以距离-多普勒图像为输入的早期SOTA深度U-Net架构，所提方案具有更优的检测与定位性能。
引用
@article{arxiv.2207.06379,
title = {Radar Image Reconstruction from Raw ADC Data using Parametric Variational Autoencoder with Domain Adaptation},
author = {Michael Stephan and Thomas Stadelmayer and Avik Santra and Georg Fischer and Robert Weigel and Fabian Lurz},
journal= {arXiv preprint arXiv:2207.06379},
year = {2022}
}