Quality of service based radar resource management using deep reinforcement learning
智能雷达资源管理是认知雷达系统发展的重要里程碑。基于服务质量的资源分配模型(Q-RAM)是一个框架,允许智能决策,但经典的解决方案似乎不足以在现代雷达系统的实时应用。在本文中,我们提出了一种使用深度强化学习的Q-RAM雷达资源管理问题的解决方案,大大提高了运行时性能。
2020-10-20 cs.LG eess.SP
Quality of Service Based Radar Resource Management for Navigation and Positioning
针对恶劣环境下GNSS不可靠、仅用IMU备份会导致积分误差剧增的问题,提出基于服务质量、考虑任务间依赖的雷达资源管理器,通过照射已知轨迹卫星增强自定位,实现自定位与其他任务需求的自适应权衡。
2023-06-12 eess.SP
Sensing-Aided Beam Selection for UAV Networks
TÜBİTAK BİLGEM(土耳其科技研究委员会工业研究中心);Istanbul Technical University(伊斯坦布尔理工大学);Medipol University(梅迪波尔大学)
提出一种雷达辅助波束选择框架,利用空间感知信息(如离开角和距离估计)减少候选波束集,以降低毫米波非地面网络的波束管理开销,并应用于物理层安全场景。
2026-11-16 eess.SP
Landmark Management in the Application of Radar SLAM
Dalian Maritime University(大连海事大学);University of Birmingham(伯明翰大学);RMIT University(皇家墨尔本理工大学)
研究了基于雷达的同时定位与地图构建(SLAM)中的地标管理问题。地标管理是必要的,以便相对于平台姿态的估计来维持估计地标的一致地图。当面临来自同一地标的多个检测和/或地标的位置可能改变的动态环境时,该任务特别重要。雷达数据的另一个挑战是错误检测的存在。因此,我们提出了一个简单而有效的基于规则的解决方案,雷达SLAM地标管理。假设是一个低动态环境,我们的解决方案中有几个步骤:需要检测和包含新地标,需要识别和删除错误地标,以及需要保持地图中注册的地标的一致性。为了说明我们的解决方案,我们运行一个扩展的卡尔曼滤波器SLAM算法在一个环境中包含静止和时间静止的地标。我们的模拟结果表明,所提出的解决方案是能够可靠地管理地标,即使面对错误的检测和多个检测从同一个地标。
2022-09-15 cs.RO eess.SP
Radio Resource Management in Joint Radar and Communication: A Comprehensive Survey
联合雷达和通信(JRC)最近引起了极大的关注。第一个原因是JRC允许各个雷达和通信系统共享频谱带,从而提高频谱利用率。第二个原因是JRC支持单个硬件平台,例如,自动驾驶车辆或无人机,以同时执行通信功能和雷达功能。因此,JRC能够提高资源的效率,即,频谱和能量,减小系统尺寸,并最小化系统成本。然而,对于JRC设计来说,有几个挑战需要解决。特别是,共享频谱会增加系统造成的干扰,共享硬件平台和能源会使JRC发射机的设计变得复杂,并损害每个功能的性能。为了应对这些挑战,最近提出了一些资源管理方法,本文对JRC的资源管理进行了全面的文献综述。首先,我们给出了JRC的基本概念,JRC系统中使用的重要性能指标,以及JRC系统的应用。然后,我们回顾和分析资源管理方法,即,频谱共享、功率分配和干扰管理。此外,我们提出的安全问题,以JRC和提供的安全问题的对策进行了讨论。最后,我们强调了JRC设计中的重要挑战,并讨论了与JRC相关的未来研究方向。
2021-01-29 cs.NI eess.SP
Multi-Objective Reinforcement Learning for Cognitive Radar Resource Management
Department of Electrical Engineering and Computer Science, Syracuse University(电气工程与计算机科学系,苏利文大学)
本文将多功能认知雷达时间分配问题建模为多目标优化问题,采用DDPG和SAC深度强化学习算法寻找帕累托最优解,并利用NSGA-II估计前沿上界,证实SAC在稳定性和样本效率上更优。
2025-06-25 cs.LG eess.SP
Millimeter Wave V2V Beam Tracking using Radar: Algorithms and Real-World Demonstration
本文针对 V2V 毫米波通信中波束随车辆移动而变化的问题,提出雷达辅助波束跟踪框架,结合信号处理与机器学习预测未来波束,并在真实数据集上验证了高角度分辨率雷达的有效性。
2023-10-27 eess.SP
Performance Improvement of Time-Balance Radar Schedulers Through Decision Policies (Extended Version)
Department of Electrical and Electronics Engineering, METU(中东理工大学电气与电子工程系)
本文通过类比随机控制问题,提出决策策略改进时间平衡雷达调度器,提升多目标跟踪性能。
2017-12-02 eess.SP
IowaRain: A Statewide Rain Event Dataset Based on Weather Radars and Quantitative Precipitation Estimation
The University of Iowa(爱荷华大学)
通过利用机器学习和传统物理模型进行广泛的环境建模,可以实现有效的环境规划和管理,以应对气候变化。为了发展和改进这些模型,从业者和研究人员需要全面的基准数据集,这些数据集是用他们可以依赖的环境专业知识准备和处理的。本研究提供了爱荷华州降雨事件的广泛数据集(2016-2019)从国家气象局下一代天气雷达(NEXRAD)系统获得,并由定量降水估计系统处理。本研究中提出的数据集可用于更好的灾难监控、响应和恢复,为预测性和规范性建模铺平道路。
2021-07-07 cs.LG eess.SP
Demo: Intelligent Radar Detection in CBRS Band in the Colosseum Wireless Network Emulator
该演示利用Colosseum仿真器,通过机器学习代理在CBRS频段检测雷达信号并腾出带宽,实现88%准确率和137毫秒检测时间。
2023-10-12 cs.NI eess.SP
A resource management approach for concurrent operation of RF functionalities
针对未来多功能射频系统同一孔径下多功能并发运行的资源管理需求,本文提出一种结合基于服务质量的资源管理与蒙特卡洛树搜索的新型认知式资源管理方法。
2025-01-14 cs.SY eess.SP eess.SY
Localizing the Vehicle's Antenna: an Open Problem in 6G Network Sensing
毫米波(mmW)和亚THz频率是即将到来的第六代(6 G)通信系统的候选频带。使用mmW/sub-THz的准直光束来补偿增加的路径和穿透损耗,需要无缝波束管理(BM),特别是对于高移动性场景,例如车辆到基础设施(V2 I)场景。通感一体化(ISAC)的最新研究进展表明,装备网络基础设施,例如,具有独立雷达或使用优化波形的感测能力的基站(BS)代表了促进BM的杀手级技术。然而,无线电感测应该准确地定位车辆设备(VE)的天线,这通常不能保证。相应地,采用来自VE的机载定位传感器的辅助信息可以以VE与BS之间的增加的控制信令为代价来克服该限制。本文提供了一个务实的比较雷达辅助和位置辅助BM毫米波V2 I系统在一个典型的城市场景中的BM训练时间和波束形成增益损失,由于错误的BM决定。由实验证据支持的仿真结果表明,移动VE的点目标近似在具有配备雷达的BS的实际V2 I场景中不成立。因此,真实的天线位置具有与雷达分辨率无关的残余不确定性,并且意味着平均多50%的BM训练时间。此外,在BS安装的雷达和VE的机载定位系统之间,没有一种BM的获胜技术。它们提供了互补的性能,这取决于位置,尽管与传统的盲方法相比,它们的性能优于盲BM技术。因此,我们建议在多技术集成BM解决方案中最佳地结合雷达和定位信息。
2022-04-03 eess.SP
QoS based resource management for concurrent operation using MCTS
本文针对现代AESA技术带来的并发多任务复杂性,提出了一种基于QoS资源分配与MCTS的资源管理框架,实现了最优系统使用与深入决策,并在复杂场景中完成实验验证。
2025-02-17 cs.SY eess.SP eess.SY
Intelligent Multimodal Multi-Sensor Fusion-Based UAV Identification, Localization, and Countermeasures for Safeguarding Low-Altitude Economy
本文提出基于深度学习的多模多传感器融合系统,用于实现无人机的识别、定位与防护,提升低空经济安全防护效率。
2026-01-09 eess.SP
Wideband Cognitive Radio for Joint Communication and Sensing: Optimization of Subcarrier Allocation and beamforming
针对6GHz及以上频段通信与雷达共存的干扰与宽带利用问题,提出支持宽带认知无线电的多用户多目标通感一体化系统,通过子载波分配、波束成形与信号设计及对应优化算法,在12天线场景下较非协作基准实现通信和速率10%、感知和速率32%的提升。
2025-03-22 eess.SP
An Intelligent Monitoring System of Vehicles on Highway Traffic
University of Engineering and Technology Peshawar(白沙瓦工程技术大学);University of Swabi(斯瓦比大学);COMSATS University Islamabad(伊斯兰堡COMSATS大学);Jessore University of Science and Technology(杰索尔科技大学)
高速公路的车速监控与管理是当今科技与人口不断增长的时代道路的关键问题。管理不善导致交通堵塞、违反交通规则和致命交通事故频繁发生。使用传统的雷达、激光雷达和激光雷达技术来解决这个问题是耗时、昂贵和繁琐的。本文提出了一个有效的框架,以产生一个简单的,成本效益和智能系统的车辆速度监测。所提出的方法使用安装在路边的高清(高清晰度)摄像机,无论是在杆上或交通信号记录视频帧。在此基础上,采用半径增长法跟踪车辆,通过计算连续帧中车辆的遮挡和位移来计算车辆的速度。该方法使用模式识别、数字图像处理和用于车辆检测、跟踪和速度计算的数学技术。通过在不同公路上的试验验证了该模型的有效性。
2019-05-27 cs.AI cs.CV cs.LG