文献

J-GLOBAL ID：202002214808125931   整理番号：20A0899434

狭帯域レーダからの時間周波数スペクトルの統計的圧縮センシングと特徴抽出【JST・京大機械翻訳】

Statistical Compressive Sensing and Feature Extraction of Time-Frequency Spectrum From Narrowband Radar

著者 (5件)： Ren Ke (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Du Lan (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Wang Baoshuai (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Li Quan (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Chen Jian (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China)
資料名： IEEE Transactions on Aerospace and Electronic Systems  (IEEE Transactions on Aerospace and Electronic Systems)
巻： 56  号： 1  ページ： 326-342  発行年： 2020年 
JST資料番号： C0725A  ISSN： 0018-9251  CODEN： IEARA  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： 従来の狭帯域レーダシステムのための信号再構成問題に照準を定めて,著者らは新しい統計的圧縮センシング(SCS)方法を提案して,崩壊した時間領域測定から超解像時間-周波数スペクトルの再構成を達成した。提案した方法は,信号が複雑なGauss分布に従い,階層的Bayesモデルを開発すると仮定する。変分Bayes期待値最大化(VBEM)を用いて,モデルパラメータの事後分布に対する推論を行った。再構成されたスペクトルの超解像特性を完全に利用するために,新しい超解像時間-周波数特徴ベクトルを,地上移動目標,すなわち歩行者と移動車輪車両のその後の分類のために抽出した。測定データに関する実験結果は,提案した再構成方法が良い再構成結果を得ることができて,超解像特性が人間と車両目標のために良い分類性能を持つことを示した。Copyright 2020 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： 変分法 ,  *レーダ ,  正規分布 ,  歩行者 ,  *特徴抽出 ,  *スペクトル ,  超解像 ,  *狭帯域
準シソーラス用語： 特徴ベクトル ,  EMアルゴリズム ,  モデルパラメータ ,  *周波数スペクトル ,  信号再構成 ,  *圧縮センシング ,  事後分布 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (6件)： 狭帯域 ,  レーダ ,  周波数スペクトル ,  統計 ,  圧縮センシング ,  特徴抽出