利用状态空间模型展开目标检测
信号处理
2024-10-31 v1 机器学习
摘要
目标检测是雷达感知中的一项基本任务，是各种应用进一步处理的前提。目前已提出了许多检测算法。基于信号处理的经典方法，例如应用最广泛的CFAR，难以调优且对环境条件敏感。基于深度学习的方法可以更准确、更鲁棒，但通常缺乏可解释性和物理相关性。在本文中，我们引入了一种新颖的方法，通过使用状态空间模型架构展开CFAR检测器，将信号处理与深度学习相结合。通过保留CFAR流程，同时将其复杂的配置转化为可训练参数，我们的方法无需手动调参即可实现高检测性能，同时保持模型的可解释性。我们实现了一个仅包含260K参数的轻量级模型，并使用FMCW雷达进行了人体目标检测的实际实验。结果突显了所提方法的卓越性能，在检测率和虚警率方面比CFAR及其变体高出10倍。我们的代码在此开源：https://github.com/aiot-lab/NeuroDet。
引用
@article{arxiv.2410.22774,
title = {Unfolding Target Detection with State Space Model},
author = {Luca Jiang-Tao Yu and Chenshu Wu},
journal= {arXiv preprint arXiv:2410.22774},
year = {2024}
}