文献

J-GLOBAL ID：201802286477076675   整理番号：18A0260506

航空機搭載レーダのための高速収束スパースBayes学習に基づくクラッタ抑圧アルゴリズム【Powered by NICT】

Clutter suppression algorithm based on fast converging sparse Bayesian learning for airborne radar

著者 (4件)： Wang Zetao (College of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, People’s Republic of China) ,  Xie Wenchong (Wuhan Radar Academy, Wuhan 430019, China) ,  Duan Keqing (Wuhan Radar Academy, Wuhan 430019, China) ,  Wang Yongliang (Wuhan Radar Academy, Wuhan 430019, China)
資料名： Signal Processing  (Signal Processing)
巻： 130  ページ： 159-168  発行年： 2017年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 有限数の二次データの空間-時間適応処理(STAP)フィルタを適応航空機搭載フェーズドアレイレーダクラッタ抑圧のための特に興味がある。スパース表現(SR)法を大幅に低減訓練要求の利益のためのSTAPフレームワークに導入されている。しかし,最もSRアルゴリズムは1つまたはそれ以上のユーザパラメータの微調整,最終結果に著しく影響を与えるが必要である。スパースBayes学習(SBL)と多重スパースBayes学習(M SBL)は,ロバストでユーザパラメータフリーアプローチであるが,それらは非常にゆっくり収束する。この限界を改善するために,簡単な近似項をもつ,多重測定ベクトルの場合に拡張したに沿った高速収束SBL(FCSBL)アプローチは,ベイズ推定に基づいて提案し,得られたアプローチはM FCSBLと呼ばれる。有限二次データ状況におけるSTAPの性能を改善するために,M FCSBLを用いて限られた数の二次データからのクラッタプラス雑音共分散行列(CCM)を推定し,次に,得られたCCMは,STAPフィルタを工夫し,散乱を抑圧するために採用した。シミュレーションと山頂の両データを用いた数値実験を行った。は,提案したアルゴリズムが有限二次データ状況における優れたクラッタ抑圧性能を持つことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ベクトル ,  *搭載レーダ ,  多重化 ,  ロバスト性 ,  *アルゴリズム ,  *クラッタ ,  雑音 ,  Bayes推定 ,  フィルタ ,  *航空機 ,  近似法
準シソーラス用語： 共分散行列 ,  *航空機搭載 ,  STAP ,  *Bayes学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 空間-時間適応処理 ,  クラッタ抑制 ,  スパース表現 ,  Bayes推論

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (7件)： 航空機搭載 ,  レーダ ,  収束 ,  Bayes学習 ,  クラッタ ,  抑圧 ,  アルゴリズム