文献

J-GLOBAL ID：201802264573728623   整理番号：18A1151650

辞書学習によるSAR信号からの無線周波数干渉の分離【JST・京大機械翻訳】

Separation of radio-frequency interference from SAR signals via dictionary learning

著者 (2件)： Nguyen Lam H. (RF Signal Processing and Modeling Branch, U.S. Army Research Laboratory, Adelphi, MD 20783, USA) ,  Tran Trac D. (Department of Electrical and Computer Engineering, Johns Hopkins University, Baltimore, MD 21218, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： RadarConf18  ページ： 0908-0913  発行年： 2018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： 本論文では,超広帯域(UWB)合成開口レーダ(SAR)信号からのRFI抽出/分離のロバスト性だけでなく効率を改善するために,高周波干渉(RFI)の主成分を適応的に捕捉するために辞書学習を採用する概念を検討した。ここでの干渉源は,RFIが関心のあるSAR信号のスペクトルと有意な帯域幅重なりを持つ可能性があるので,UWBシステムに対する重要な課題を提起する。さらに,RFI構成要素は,しばしば非定常,時変特性を示した。したがって,それらは正確に予測してモデル化するのが難しい。本論文では,局所的な時空間近傍においてRFI成分を適応的に捕捉するための辞書学習フレームワークを提案した。次に,これらの学習RFI辞書を用いて,スパース回復により雑音源分離プロセスを改善した。干渉は,数個の辞書原子によりスパンニングされたスパース部分空間として表現され,一方,SAR信号は時間シフト伝送パルスのスパース線形結合としてモデル化された。著者らは,米国陸軍研究所(ARL)UWB BoomSARシステムによって収集されたシミュレーションデータと実世界データの両方を用いて,広範なRFI-SAR分離結果を通して提案フレームワークの有効性を検証し,ロバスト性を例証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 雑音発生器 ,  *学習 ,  ロバスト性 ,  モデリング ,  合成開口レーダ ,  パルス ,  *干渉 ,  スペクトル ,  帯域幅
準シソーラス用語： 部分空間 ,  バイオパンニング ,  非定常性 ,  超広帯域 ,  *無線周波数 ,  *辞書学習 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (4件)： 辞書学習 ,  SAR ,  無線周波数 ,  干渉