講演抄録/キーワード |
講演名 |
2022-03-04 16:40
レーダ目標検出精度改善のための Deep Image Prior による雑音低減手法 ○遠藤康司・山本幸平・大槻知明(慶大) RCS2021-299 |
抄録 |
(和) |
MIMO (Multiple-Input Multiple-Output) FMCW (Frequency-Modulated Continuous Wave) レーダは,非接触での行動認識や生体信号検出を可能とし,これら目的を達成するために,目標の位置推定は極めて重要である.一般的に,MIMO FMCW レーダを用いた位置推定では,距離と角度で区切られた領域の信号強度を表すレンジアングルマップを得ることができる.これにCFAR (Constant False Alarm Rate) のようなアルゴリズムで閾値を超える信号強度を検出することで,物体の位置を検出できる.しかし,レンジアングルマップ上には雑音やマルチパス成分が生じ,閾値の設定次第で,目標のいない位置に誤警報が発生する可能性がある.そのため,雑音を低減することで,閾値の敏感さを改善し,誤警報を低減することが求められている.本稿では,Deep Image Prior (DIP) を用いてレンジアングルマップ上の雑音を低減する手法を提案する.DIP は,画像の雑音除去を可能にする事前学習を要しない深層学習技術の一つである.提案法では,レンジアングルマップを画像とみなしてDIP を適用することで雑音を低減する.そして,代表的な閾値設定アルゴリズムであるCell-Averaging CFAR (CA-CFAR) に基づき,雑音除去後のレンジアングルマップ上で物体位置を検出する.室内環境における人物位置検出実験を通じて,DIP を用いた提案法は,DIP を用いない手法と比較して,誤警報数を低減し,CA-CFAR の閾値設定の敏感さを改善しながら人物を検出できることを確認した. |
(英) |
A Multiple-Input Multiple-Output (MIMO) Frequency-Modulated Continuous Wave (FMCW) radar can provide various applications such as activity recognition and vital sign sensing. For these applications, it is essential to estimate a target’s location. In general, MIMO FMCW radar-based location estimation uses a range-angle map that expresses signal power against each range and angle. It could be possible to estimate an target’s location by detecting signal power that exceeds a threshold. However, noise and multipath components often exist over the range-angle map, which could bring a false alarm of an undesired location, depending on the threshold setting. To deal with this issue, it is highly demanded to reduce such noise components over the range-angle map. In this report, we propose Deep Image Prior (DIP)-based noise reduction method of the range-angle map. DIP is one of the unsupervised deep learning techniques that enable image denoising. In the proposed method, DIP is applied to the range-angle map calculated to reduce the noise components, and then the object location is detected over the denoised range-angle map based on Cell-Averaging CFAR (CA-CFAR), which is a typical threshold setting algorithm. Through the experiments to estimate human location in indoor environments, we confirmed that the proposed method with DIP could reduce the number of false alarms and estimate the human location with less sensitivity of the threshold setting, compared to the method without DIP. |
キーワード |
(和) |
レーダ / Denoising / Deep Image Prior / / / / / |
(英) |
Radar / Denoising / Deep Image Prior / / / / / |
文献情報 |
信学技報, vol. 121, no. 391, RCS2021-299, pp. 241-246, 2022年3月. |
資料番号 |
RCS2021-299 |
発行日 |
2022-02-23 (RCS) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
RCS2021-299 |
研究会情報 |
研究会 |
RCS SR SRW |
開催期間 |
2022-03-02 - 2022-03-04 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
移動通信ワークショップ |
テーマ(英) |
Mobile Communication Workshop |
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2022-03-RCS-SR-SRW |
本文の言語 |
日本語 |
タイトル(和) |
レーダ目標検出精度改善のための Deep Image Prior による雑音低減手法 |
サブタイトル(和) |
|
タイトル(英) |
Denoising Method Using Deep Image Prior for Improving Accuracy of Radar Target Detection |
サブタイトル(英) |
|
キーワード(1)(和/英) |
レーダ / Radar |
キーワード(2)(和/英) |
Denoising / Denoising |
キーワード(3)(和/英) |
Deep Image Prior / Deep Image Prior |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
遠藤 康司 / Koji Endo / エンドウ コウジ |
第1著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第2著者 氏名(和/英/ヨミ) |
山本 幸平 / Kohei Yamamoto / ヤマモト コウヘイ |
第2著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第3著者 氏名(和/英/ヨミ) |
大槻 知明 / Tomoaki Ohtsuki / オオツキ トモアキ |
第3著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-03-04 16:40:00 |
発表時間 |
25分 |
申込先研究会 |
RCS |
資料番号 |
RCS2021-299 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.391 |
ページ範囲 |
pp.241-246 |
ページ数 |
6 |
発行日 |
2022-02-23 (RCS) |