文献

J-GLOBAL ID：201902212664853459   整理番号：19A0512120

不確実な部分事前知識による適応部分空間信号検出【JST・京大機械翻訳】

Adaptive Subspace Signal Detection with Uncertain Partial Prior Knowledge

著者 (4件)： Li Hongbin (Department of Electrical and Computer Engineering, Stevens Institute of Technology, Hoboken, NJ, USA) ,  Jiang Yuan (Department of Electrical and Computer Engineering, Stevens Institute of Technology, Hoboken, NJ, USA) ,  Fang Jun (Department of Electrical and Computer Engineering, Stevens Institute of Technology, National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China, Hoboken, Chengdu, NJ, USAChina) ,  Rangaswamy Muralidhar (AFRL/RYAP, Wright-Patterson Air Force Base, OH, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 65  号： 16  ページ： 4394-4405  発行年： 2017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： 本論文は,部分空間構造を有する強い擾乱における信号検出に関するものである。十分な訓練データの利用可能性に依存する従来の部分空間検出技術と異なり,部分空間の部分的事前知識を組み込むことにより,制限されたシナリオを訓練するための知識支援部分空間検出手法を考察した。提案したアプローチのユニークな利点は,正しい基底ベクトルと不正確な基底ベクトルの両方からなる,事前知識が不完全で不確実であることを可能にすることである。しかし,正確で不正確な基底は事前に同定できない。2つの階層モデルを知識表現のために導入した。一つは,事前知識が非常に正確である場合に適しているが,他の試みは,観測データからそれをチェックし,学習することにより,事前知識における可能な誤差を同定することを試みた。提案した階層モデルをスパースBayesフレームワーク内に統合し,観測データの節約部分空間表現を促進した。提案したモデルに基づいて変分Bayes推論アルゴリズムを開発し,擾乱に関連するパラメータと部分空間構造を復元し,次に信号検出を行うために一般化尤度比試験に用いた。数値結果を提示して,いくつかの顕著な既存の方法と比較して,提案した部分空間検出器の性能を例示した。Copyright 2019 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： 検出法 ,  検出器 ,  アルゴリズム ,  基底 ,  変分法 ,  *信号検出 ,  知識表現 ,  *不確実性 ,  Bayes推定
準シソーラス用語： スパース ,  階層モデル ,  基底ベクトル ,  訓練データ ,  *部分空間 ,  *事前知識 , 【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)： 事前知識 ,  適応 ,  部分空間 ,  信号検出