文献

J-GLOBAL ID：201702244996845612   整理番号：17A1634367

複素Gauss統計モデルに基づく雑音にロバストなレーダHRRターゲット認識【Powered by NICT】

Noise-robust radar HRR target recognition based on complex Gaussian statistical models

著者 (4件)： Hu Jing (National Lab. of Radar Signal Processing, Xidian University, Xi’an, China) ,  Du Lan (National Lab. of Radar Signal Processing, Xidian University, Xi’an, China) ,  He Hua (National Lab. of Radar Signal Processing, Xidian University, Xi’an, China) ,  Wang Penghui (National Lab. of Radar Signal Processing, Xidian University, Xi’an, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： RADAR  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高距離分解能(HRR)目標信号のレーダ目標認識性能を改善するための位相情報を利用するために,本論文では,複雑なHRRモデルを構築するために複雑な領域へのGauss統計モデルを一般化するインスタンスのための適応Gauss分類器(A GC)モデルと因子分析(FA)モデルを示した。複素Gauss統計モデルの構造およびパラメータ推定しHRR複雑なデータの初期相に不変であることを実証した。さらに,低信号対雑音比(SNR)条件下において,認識性能を向上させるために,雑音ロバスト修正アルゴリズムを導入した。複素Gaussモデルと雑音試験信号の間のミスマッチを解決する。実験結果は,提案したモデルは,位相情報を利用することにより高い平均正しい認識率を得ることができることを示した。,修正モデルは,騒音試験信号とよく扱うことができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 不変性 ,  因子分析 ,  不整合 ,  *ロバスト性 ,  *統計模型 ,  試験信号 ,  *物体認識 ,  *雑音 ,  パラメータ推定 ,  Gauss模型 ,  *レーダ ,  アルゴリズム ,  SN比
準シソーラス用語： 認識率 ,  位相情報 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 統計モデル ,  雑音 ,  ロバスト ,  レーダ ,  ターゲット認識