Radar-STDA: 用于调频连续波雷达干扰抑制的高性能时空去噪自编码器
摘要：通过其小尺寸、低成本和全天候运行，毫米波雷达可以与其他车辆传感器相比，准确测量目标的距离、方位和径向速度。然而，在实践中，毫米波雷达常常受到各种干扰的困扰，导致目标检测精度下降甚至无法检测到目标。这在自动驾驶汽车和交通监控中是不可取的，因为它可能威胁人的生命并造成财产损失。因此，干扰抑制对于基于毫米波雷达的目标检测具有重要意义。目前，深度学习的发展迅速，但现有的基于深度学习的干扰抑制模型在模型大小和推理速度方面仍存在很大局限性。出于这些原因，我们提出了Radar-STDA，即雷达空时去噪自动编码器。Radar-STDA是一种高效的纳米级去噪自动编码器，考虑了距离-多普勒图的空间和时间信息。与其他方法相比，它在只有140,000个参数的情况下实现了最大的SINR（信噪比）为17.08 dB。在对连续三帧的距离-多普勒图进行去噪时，它在RTX A4000 GPU上实现了207.6 FPS，在NVIDIA Jetson AGXXavier上实现了56.8 FPS。此外，我们发布了一个名为Ra-inf的合成数据集，该数据集包含具有各种杂波、不感兴趣对象和接收机噪声的384,769个距离-多普勒图，模拟了现实情景。据我们所知，Ra-inf是第一个用于雷达干扰任务的合成数据集。为了支持社区，我们的研究通过以下链接开源：https://github.com/GuanRunwei/rd\_map\_temporal\_spatial\_denoising\_autoencoder。
作者：Lulu Liu, Runwei Guan, Fei Ma, Jeremy Smith, Yutao Yue
论文ID：2307.09063
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-19