2025 conference-paper

Real-Time Front-End Adaptation for Energy-Efficient mmWave Radar Sensor

Jinhyeok Park, Sudarshan Kumar Sharma, W. J. Wang, Alex Saad-Falcon, Russ H. Huang, Alyosha Christopher Molnar, Justin Romberg, Saibal Mukhopadhyay

1Citations signalées, ce qui n’est pas une note de qualité

2Institutions déclarées

1Pays d’affiliation déclarés

Rattachement africain : us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Radar sensor systems often suffer from suboptimal performance in dynamic environments due to static front-end configurations. While cognitive radar approaches have been proposed to address this issue through adaptive processing, they are often computationally intensive and unsuitable for real-time deployment. This work proposed a lightweight, feedback-driven adaptation framework on a frame-by-frame basis. Target information is extracted from the Range-Doppler map and detection accuracy is calculated by range errors between predicted and detected values. A pre-trained machine learning (ML) model adapts the front-end with low latency, while risk levels of errors are assessed using predefined policies. Proposed work was validated on an AWR1843 mmWave radar sensor, achieves a 2.7 × improvement in energy efficiency while satisfying the latency constraints.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Real-Time Front-End Adaptation for Energy-Efficient mmWave Radar Sensor
Date Crossref: 19/10/2025
Éditeur: IEEE
Type: proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Georgia Institute of Technology pays non établi dans la notice
Université ou école supérieure
Cornell University pays non établi dans la notice
Université ou école supérieure
School of Electrical and Computer Engineering pays non établi dans la notice
Université ou école supérieure

Georgia Institute of Technology, Cornell University et School of Electrical and Computer Engineering.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Radar Systems and Signal ProcessingAdvanced SAR Imaging TechniquesDistributed Sensor Networks and Detection Algorithms

Consulter la publication primaire Ouvrir le DOI