文献

J-GLOBAL ID：202102254312767534   整理番号：21A0152204

ニューラルネットワークを用いた方位角分解能改善技術【JST・京大機械翻訳】

Azimuth Angle Resolution Improvement Technique with Neural Network

著者 (4件)： Kim Hyungju (ETRI,Radio & Satellite Research Division,Daejeon,Korea) ,  You Sungjin (ETRI,Radio & Satellite Research Division,Daejeon,Korea) ,  Jeong Byung Jang (ETRI,Radio & Satellite Research Division,Daejeon,Korea) ,  Byun Woojin (ETRI,Radio & Satellite Research Division,Daejeon,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICTC  ページ： 1384-1387  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： 本論文は,MIMO-FMCWレーダを用いて方位角分解能を改善する方法を紹介した。MIMO-FMCWレーダを使用するとき,範囲軸と方位角軸から成る2Dレーダ画像を得ることができた。範囲分解能を帯域幅によって決定して,方位角分解能を仮想アンテナアレイの長さと仮想アンテナ要素の数によって決定する。エイリアシングを避けながら方位角分解能を改善するために,本論文では,仮想アンテナを不均一間隔により広く配置した。次に,深い学習技術を,サイドローブ効果を減らすために適用した。提案方法を,測定に基づくシミュレーション信号とエミュレーション信号を用いた実験によって確かめた。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： アンテナ ,  シミュレーション ,  レーダ ,  学習 ,  *ニューラルネットワーク ,  アレイアンテナ ,  方位角 ,  エミュレーション ,  帯域幅 ,  二次元 ,  サイドローブ ,  エイリアシング ,  レーダ画像
準シソーラス用語： MIMO ,  アンテナ素子 , 【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 (2件)： ニューラルネットワーク ,  方位