MétaCan
Menu
Retour à la cohorte
Enregistrement W2104845454 · doi:10.1109/wcnc.2011.5779403

DOA estimation from temporally and spatially correlated narrowband signals with noncircular sources

2011· article· en· W2104845454 sur OpenAlexaff
Sonia Ben Hassen, Faouzi Bellili, Abdelaziz Samet, Sofiène Affes

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésNarrowbandSubspace topologyCorrelationVariance (accounting)Signal subspaceAlgorithmSIGNAL (programming language)Estimation theoryExpression (computer science)Computer scienceSignal-to-noise ratio (imaging)MathematicsRandom variableSignal processingSpatial correlationCramér–Rao boundStochastic processStatisticsNoise (video)Artificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we develop for the first time a method of estimating the DOA parameters assuming noncircular and spatially and temporally correlated signals. The new approach is based on the two-sided IV-SSF method (instrumental variable signal with subspace fitting). It will be shown that our newly developed method outperforms the classical two-sided IV-SSF in terms of lower bias and error variance. Its performance improvement increases as the noncircularity rate increases. Moreover, this improvement is more prominent at low SNR values. We also derive for the first time an analytical expression for the stochastic Cramér-Rao bound (CRB) of the DOA estimates from spatially and temporally correlated signals generated from noncircular sources. The new CRB is compared to that of circular and temporally correlated signals. It will be shown that the CRB obtained assuming both noncircular sources and temporally correlated signals is lower than the CRB derived considering only the temporal correlation. This illustrates the potential gain that both the noncircularity and the temporal correlation provide when considered together.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,216
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207