文献

J-GLOBAL ID：202002252022096115   整理番号：20A1887570

バイスタティック受動レーダのための結合スパースBayes学習による到着推定の方向【JST・京大機械翻訳】

Direction of Arrival Estimation via Joint Sparse Bayesian Learning for Bi-static Passive Radar

著者 (5件)： Zhang Xinyu (College of Electronic Science, National University of Defense Technology,Changsha,China) ,  Huo Kai (College of Electronic Science, National University of Defense Technology,Changsha,China) ,  Liu Yongxiang (College of Electronic Science, National University of Defense Technology,Changsha,China) ,  Jiang Weidong (College of Electronic Science, National University of Defense Technology,Changsha,China) ,  Li Xiang (College of Electronic Science, National University of Defense Technology,Changsha,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSIDP  ページ： 1-6  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： スパース誘導技術を用いた到来方向(DOA)推定は最近多くの興味を引いている。本論文では,バイスタティック受動レーダのためのDOA推定を研究した。スパースBayes学習(SBL)のフレームワークの下で,共同スパースBayesモデルを確立し,両方のステーションから測定を結合して,収量改良ターゲットDOA推定を,改善した。最初に,結合データセットを用いたDOAの最大事後(MAP)推定を導いた。より多くの測定の利用によって,ジョイント再構成プロセスは,はるかに正確な推定を作り出すことができた。計算費用を低減するために,証拠最大化に基づく高速SBL法を提案した。シミュレーション結果は,提案方法が従来のSBL法,特に限られた数のスナップショットと低い信号対雑音比(SNR)を有する厳しいシナリオで優れていることを示す。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： SN比 ,  シミュレーション ,  再構成 ,  *到来方向推定
準シソーラス用語： 到来方向 ,  *Bayes学習 ,  スナップショット ,  *パッシブレーダ ,  Bayes法 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： バイ ,  受動レーダ ,  Bayes学習 ,  推定