PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.13433v1eess.SP

고해상도 서브 도 단위 DOA 추정을 위한 시그모이드 레이블 기반 CNN-트랜스포머

CNN-Transformer with Sigmoid Label for High-Resolution Sub-Degree DOA Estimation

본 논문에서는 딥러닝(DL) 기반 도착각(DOA) 추정의 그리드 양자화(quantization) 오류 문제를 다룹니다. 분류(classification) 기반 DOA 기법은 연속적인 각도 공간을 그리드로 이산화하므로, 피크 기반 판독 시 정확도와 해상도가 그리드 간격 및 레이블 피크의 폭에 의해 제한됩니다. 이러한 문제를 해결하기 위해, 신호원의 DOA를 각도 이동된 단조 시그모이드(sigmoid) 함수의 합으로 인코딩하는 시그모이드 레이블을 제안합니다. 시그모이드 레이블로 학습된 CNN-트랜스포머(Transformer) 네트워크의 출력을 미분하면 신호원 DOA 위치에서 날카로운 스펙트럼 피크가 생성됩니다. 적절히 세분화된 0.25도 그리드 간격과 결합하여, 제안된 시그모이드 레이블 기반 CNN-트랜스포머는 1도 미만의 서브 도(sub-degree) 정확도와 1도 해상도를 달성하여 그리드 양자화 오차의 한계를 극복합니다. 통합된 CNN-트랜스포머 백본 하에서 제안하는 시그모이드 레이블을 가우시안 레이블, 0-1 하드 레이블 및 이진 교차 엔트로피(BCE) 기준선(baseline)과 비교합니다. 수치 실험 결과는 시그모이드 레이블이 다른 레이블들에 비해 가장 높은 정확도와 우수한 해상도를 달성함을 입증합니다.

arXiv:2604.26787v2cs.LG

임의 행렬의 Hankel 및 Toeplitz rank-1 분해와 신호 도래각(DoA) 추정 응용

Hankel and Toeplitz Rank-1 Decomposition of Arbitrary Matrices with Applications to Signal Direction-of-Arrival Estimation

우리는 L2 및 L1 노름 오차 하에서 임의 행렬의 최적 rank-1 Hankel 및 Toeplitz 구조 근사를 계산하는 문제를 고려한다. 이러한 문제는 엔지니어링 시스템에서 자연스럽게 발생하며, 현대 자율 시스템 응용에서 중요한 기본적인 퓨샷(few-shot) 신호 도래각(DoA) 추정 문제를 포함한다. 우리는 두 공식화 모두에 대해 정확하고 계산적으로 효율적인 구조화 행렬 분해 알고리즘을 개발한 다음, 실용적인 센싱 시스템 배치를 위한 분석적으로 정당화된 소표본 지원 DoA 추정량을 도출한다. L2 및 L1 노름 하에서의 결과 추정량은 각각 백색 가우시안 및 Laplace 잡음 하에서 최대 가능도 최적임이 형식적으로 입증된다. 추정량은 퓨샷 DoA 추론에서 광범위한 시뮬레이션 연구 및 실세계 데이터 실험을 통해 추가로 검증된다.

arXiv:2606.18664v1cs.SD

NeuralMUSIC: 로봇 음원 국지화를 위한 하이브리드 신경망-부공간 프레임워크

NeuralMUSIC: A Hybrid Neural-Subspace Framework for Robot Sound Source Localization

NeuralMUSIC는 다채널 마이크 관측에서 신경망으로 공간 공분산 행렬을 추정하고, 이를 고유값 분해와 의사 스펙트럼 계산이 포함된 MUSIC 파이프라인과 주파수 어텐션 융합(FAF) 모듈에 통합해 도래 방향(DOA)을 추정하는 로봇 음원 국지화 하이브리드 프레임워크이다. 레이블 없는 음향 데이터로 공간 구조를 학습하는 자기지도 공간 상관 학습(SSCL)을 더해 데이터 효율을 높였으며, 다양한 로봇 작업 실험에서 경쟁력 있는 국지화 정확도와 함께 견고성 및 도메인 간 일반화가 개선됨을 보였다.