文献

J-GLOBAL ID：202002218626534009   整理番号：20A2443334

多重点状ターゲットのための新しいパラメータ推定とレーダ検出手法:設計と比較【JST・京大機械翻訳】

Novel Parameter Estimation and Radar Detection Approaches for Multiple Point-Like Targets: Designs and Comparisons

著者 (4件)： Addabbo Pia (Universita` degli Studi Giustino Fortunato, Via Raffaele Delcogliano, Benevento, Italy) ,  Liu Jun (Department of Electronic Engineering and InformationScience, University of Science and Technology of China, Hefei, China) ,  Orlando Danilo (Universita` degli Studi Niccolo` Cusano, Rome, Italy) ,  Ricci Giuseppe (Universita` del Salento, Via Monteroni SNC, Lecce, Italy)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 27  ページ： 1789-1793  発行年： 2020年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： 本研究では,複数の点状ターゲットのパラメータ推定とレーダ検出のための2つの革新的戦略を開発し,比較した。ここで初めて現れる最初の戦略は,最大尤度アプローチとBayes学習を共同利用し,範囲ビンに関するそれらの位置を含むターゲットパラメータを推定する。第2の戦略は,高い信号対干渉プラス雑音比値に対して,名目上のステアリング方向に投影された目標成分を含むデータのエネルギーは,干渉のみに影響されるデータよりも高くなるべきである。また,干渉共分散行列に関する適応性を,試験下のウィンドウの近接で集めた訓練データセットを利用して考察した。最後に,別の重要な革新側面は,モデル次数選択規則によって,未知数のターゲットの適応推定に関するものである。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： 干渉 ,  雑音 ,  最尤法 ,  適応性 ,  *パラメータ推定 ,  共同利用
準シソーラス用語： 訓練データ ,  共分散行列 ,  Bayes学習 ,  レーダ検出 ,  モデル次数選択 ,  適応推定 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (6件)： 多重 ,  ターゲット ,  パラメータ推定 ,  レーダ検出 ,  手法 ,  設計