基于深度度量学习的雷达脉冲去交叉
信号处理
2025-03-19 v1 人工智能
机器学习
摘要
在接收雷达脉冲时，通常会出现脉冲序列中包含来自多个不同发射器的脉冲。雷达脉冲去交叉问题是将这些脉冲按其来源发射器分离的任务。值得注意的是，任何特定记录脉冲序列中的发射器数量均视为未知。本文定义了该问题并提出了可用于衡量模型性能的指标。我们提出了一种基于 transformer 训练的深度度量学习方法，该方法在合成数据上采用三角损失进行训练。该模型相较于其他深度学习模型表现出色，调整后互信息得分达到 0.882。
关键词
引用
@article{arxiv.2503.13476,
title = {Radar Pulse Deinterleaving with Transformer Based Deep Metric Learning},
author = {Edward Gunn and Adam Hosford and Daniel Mannion and Jarrod Williams and Varun Chhabra and Victoria Nockles},
journal= {arXiv preprint arXiv:2503.13476},
year = {2025}
}
备注
Preprint: Accepted to IEEE International Radar Conference 2025