PulseAugur
中
实时 14:05:31
English(EN) Temporal Convolutional Autoencoder for Interference Mitigation in FMCW Radar Altimeters

AI 模型通过干扰抑制提高雷达高度计精度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种时间卷积自编码器 (TCAE)，旨在减轻 FMCW 雷达高度计中的干扰。该深度学习模型直接处理同相和正交 (IQ) 样本，以抑制结构化干扰，同时保留用于精确高度估计的关键信号特征。初步评估表明，TCAE 显著减少了高度估计误差，在干扰水平高和带宽重叠的挑战性条件下，其性能优于传统的自适应滤波方法。 AI

影响 该 AI 模型有望提高雷达高度计在复杂环境下的可靠性，可能对航空安全和自主系统产生影响。

排序理由 该集群包含一篇学术论文，详细介绍了一种用于特定技术应用的新型 AI 模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI 模型通过干扰抑制提高雷达高度计精度

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Charles E. Thornton, Jamie Sloop, Samuel Brown, Aaron Orndorff, William C. Headley, Stephen Young ·

    Temporal Convolutional Autoencoder for Interference Mitigation in FMCW Radar Altimeters

    arXiv:2505.22783v2 Announce Type: replace-cross Abstract: Reliable altitude estimation with frequency-modulated continuous wave (FMCW) radar altimeters is increasingly a challenge due to in-band interference from modern communication systems. In this paper, we present a temporal …

相关实体

相关话题