文献

J-GLOBAL ID：202102245801457935   整理番号：21A0012467

K-クラッタプラス雑音のパラメータ推定のためのCNN-LSTMベースアプローチ【JST・京大機械翻訳】

CNN-LSTM Based Approach for Parameter Estimation of K-Clutter Plus Noise

著者 (4件)： Kerbaa Taha Hocine (Universite ́ Mohamed- Boudiaf, Laboratoire d’Analyse des Signaux et Syste`mes,Departement d’Electronique,M’sila,Algeria) ,  Mezache Amar (Universite ́ Mohamed-Boudiaf, Laboratoire SISCOM, Universite ́ de Constantine,Departement d’Electronique,M’sila,Algeria) ,  Gini Fulvio (University of Pisa,Department of ingegneria dell’informazione,Pisa,Italy) ,  Greco Maria Sabrina (University of Pisa,Department of ingegneria dell’informazione,Pisa,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： RadarConf20  ページ： 1-6  発行年： 2020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： 本論文では,K+雑音分布のパラメータを推定する問題を検討した。以前の研究では,マルチルックシナリオにおいて,修正分数次数モーメント推定器(MFOME)は,[zlog(z)]法と同じ推定精度を持つが,計算複雑度が低いことを示した。しかし,単一ルックシナリオ,低サンプルサイズ,およびK分布形状パラメータの大きな値において,有意な推定誤差が観察された。さらに,[zlog(z)]推定子の計算複雑性は,実用化における実用化を中断する。本研究の目的は,減少した計算複雑度を有するK分布の形状パラメータを推定することである。この問題は,教師つき多対一シーケンス予測として定式化できる。ここでは,畳込みと長期メモリ(LSTM)ニューラルネットワーク(NN)を含むハイブリッドモデルを提案した。推定性能を,シミュレーションおよび実際のクラッタデータの両方を処理することによって調査した。Copyright 2021 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： 記憶装置 ,  *雑音 ,  畳込み ,  ニューラルネットワーク ,  計算量 ,  *クラッタ ,  *パラメータ推定 ,  モーメント ,  推定量 ,  定式化
準シソーラス用語： K分布 ,  推定誤差 ,  推定精度 ,  ハイブリッドモデル ,  形状パラメータ , 【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 (5件)： クラッタ ,  雑音 ,  パラメータ推定 ,  CNN ,  LSTM