抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
センサのアレイを用いて多重信号の到来方向(DOA)を推定するためのオフグリッドスパースBayes学習アルゴリズムは,3つの主要な理由により実際に魅力的である。最初に,これらのアルゴリズムは完全に自動Bayesアルゴリズムであり,したがって正則化パラメータ(ハイパーパラメータ)の調整は必要でない。第二に,これらのアルゴリズムはスパース性に基づいているので,信号がコヒーレントである場合でも,音響信号の空間スパース性を利用することにより,高精度DOA推定を生成できる。第3に,それらは信号のためのDOAsにおけるオフセットを推定することもできて,そのDOAはステアリングベクトルと正確に一致しなかった。2つの以前に提案したオフグリッドスパースBayes DOA推定アルゴリズムを考察した。最初のオフグリッドモデルはTaylor級数展開法(OGSBL-Tアルゴリズム)に基づいており,第二は線形補間法(OGSBL-Iアルゴリズム)に基づいている。両方のアルゴリズムに対するオフグリッドバイアスパラメータのCramer-Rao下限(CRLB)を多重スナップショットに対して導出した。OGSBL-Tアルゴリズムに対するオフグリッドバイアスパラメータのCRLBは,OGSBL-Iアルゴリズムに対するそれよりも著しく少ないことを示した。また,両方のアルゴリズムに対するオフグリッドバイアスパラメータのCRLBは,著者らがブロードサイドからエンドファイヤ方向に移動するとき,より悪くなることを示した。また,シミュレーション研究を行い,DOA推定における二乗平均二乗誤差の観点から両アルゴリズムの性能を特性化した。信号が比較的広く,信号が相対的に端にあるとき,信号が相対的に広く,OGSBL-Iアルゴリズムより良いとき,OGSBL-TアルゴリズムがOGSBL-Iアルゴリズムに匹敵することを示した。最後に,水中通信システムにおける高分解能DOA推定のためのOGSBL-Tアルゴリズムの応用を,SWellEx-96海洋音響実験からの受動ソナーデータを解析することによって実証した。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】
