文献

J-GLOBAL ID：201702289344499834   整理番号：17A1037612

マルチスタティック文脈標的特徴学習【Powered by NICT】

Learning multi-static contextual target signatures

著者 (5件)： Mathews Zenon (Swiss Air Force, Staff A6, ISR & EW, Duebendorf, Switzerland) ,  Quiriconi Luca (Swiss Air Force, Staff A6, ISR & EW, Duebendorf, Switzerland) ,  Boniger Urs (Armasuisse Science and Technology S+T, Thun, Switzerland) ,  Schupbach Christof (Armasuisse Science and Technology S+T, Thun, Switzerland) ,  Weber Peter (Swiss Air Force, Staff A6, ISR & EW, Duebendorf, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： RadarConf17  ページ： 1568-1572  発行年： 2017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： マルチスタティックレーダを用いた目標分類法は従来のマルチスタティック受動的及び能動的装置にモノスタティックアクティブレーダおよびISAR技術からの技術の適応に焦点を当てた。マルチスタチックレーダを用いた学習目標分類の一つの主要なファセットが比較的ほとんど注目されていない:背景。マルチスタティック設定で利用可能なデータにおける多様性の文脈関連性を学習することを提案した。受動マルチスタティックセットアップでこの手法を試験した。著者らの方法は,まず単一受信機部位での関連標的特徴をコードし,ターゲットの文脈特徴を形成するためにこれらを組み合わせたものである。標的文脈特徴を学習するための移動ターゲットのバイスタティックRCSによるSN比の変化を利用することを提案した。著者らの解析は,このような文脈特徴を用いたターゲットのロバストな分類が可能であり,利用可能なセンサ数の増加で達成された高い分類精度ことを示唆した。も幾何学的航空機モデルを用いて提案アプローチのベンチマークを行った。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： 航空機 ,  ロバスト性 ,  *学習 ,  ベンチマーク ,  ファセット ,  センサ ,  受信機 ,  SN比
準シソーラス用語： 分類精度 ,  学習目標 ,  逆合成開口レーダ ,  分類法 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (4件)： マルチ ,  文脈 ,  標的 ,  学習