文献

J-GLOBAL ID：201802222613747857   整理番号：18A0160340

異常値耐性到来方向推定のためのスパースBayes学習アプローチ【Powered by NICT】

Sparse Bayesian Learning Approach for Outlier-Resistant Direction-of-Arrival Estimation

著者 (2件)： Dai Jisheng (Department of Electronic Engineering, Jiangsu University, Zhenjiang, China) ,  So Hing Cheung (Department of Electronic Engineering, City University of Hong Kong, Hong Kong)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 66  号： 3  ページ： 744-756  発行年： 2018年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
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： 従来の到来方向(DOA)推定方法は異常値測定に敏感であった。,それらの性能はインパルス雑音の存在下で実質的に低下させる可能性がある。本論文では,スパースBayes学習(SBL)の観点からの付加的異常値におけるDOA推定の問題を取り上げて論じた。ロバストなDOA推定,分解能と精度の点で優れた性能を達成できる考案されたBayes最適化アルゴリズム。SBL方式の計算量を削減するために,高速交互アルゴリズムも開発した。オフグリッドギャップを固定効率的にこれら二つの提案したアルゴリズムに導入した新しい格子精錬法。提案解では,原信号の数の事前知識を必要とせず,高相関またはコヒーレント光源を解決することができるので,それらはより高い適用性を持つことが期待される。シミュレーション結果は,SBL手法の異常値ロバスト性能を検証した。Copyright 2018 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： 適応性 ,  コヒーレント光 ,  インパルス雑音 ,  アルゴリズム ,  ロバスト性 ,  *異常値 ,  精錬 ,  シミュレーション ,  分解能 ,  計算量 ,  *到来方向推定
準シソーラス用語： 事前知識 ,  最適アルゴリズム ,  *到来方向 ,  *Bayes学習 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 異常値 ,  耐性 ,  到来方向推定 ,  Bayes学習