文献

J-GLOBAL ID：202002268301691767   整理番号：20A0285731

海面小ターゲットの特徴圧縮ベース検出【JST・京大機械翻訳】

Feature-Compression-Based Detection of Sea-Surface Small Targets

著者 (3件)： Shui Penglang (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Guo Zixun (National Laboratory of Radar Signal Processing, Xidian University, Xi’an, China) ,  Shi Sainan (Nanjing University of Information Science and Technology, Nanjing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 8371-8385  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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,海面小ターゲットに対する高分解能海洋ユビキタスレーダの検出能力を改善するために,レーダリターンの7つの既存の顕著な特徴を用いて,特徴ベース検出器を開発することを目的とした。海洋ユビキタスレーダは,デジタルアレイ受信機により複数の方位角で同時に居住するビームを形成し,検出のための長い観測時間を可能にする。様々なタイプの海面小ターゲットによるレーダリターンの訓練サンプルの不在または不完全化のために,検出は,主に海面クラッタの訓練サンプルを用いることによって,7次元(7D)特徴空間における1クラス分類器を設計する。典型的なターゲットのシミュレーションされたレーダリターンの助けを借りて,7D特徴ベクトルを一つの3D特徴ベクトルに圧縮するために,クラス間Bhattacharyya距離を最大化する特徴圧縮法を提案した。圧縮3D特徴空間において,修正凸包学習アルゴリズムを,与えられた誤警報率における海面クラッタの1つの凸多面体決定領域を決定するために与えた。この方法で,特徴圧縮ベースの検出器を構築する。それは,検出性能を改善するためにレーダリターンのより多くの特徴を利用することができる。それは,海面小ターゲット検出のために認識されたオープンIPIXとCSIRレーダデータベースによって検証される。結果は,それが明らかな性能改善を達成することを示した。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： 凸包 ,  方位角 ,  検出器 ,  三次元 ,  受信機 ,  *海面 ,  レーダ ,  海面クラッタ ,  海洋 ,  高分解能 ,  学習アルゴリズム
準シソーラス用語： ターゲット検出 ,  誤警報率 ,  特徴ベクトル ,  特徴空間 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (2件)： 海面 ,  ターゲット