MétaCan
Menu
Retour à la cohorte
Enregistrement W2121951709 · doi:10.1109/isspa.2005.1580279

Colored loading for robust adaptive beamforming with low sample support

2006· article· en· W2121951709 sur OpenAlexaff
Huixia He, S. Kraut

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésDiagonalSignal-to-interference-plus-noise ratioCovariance matrixIdentity matrixColoredAlgorithmColors of noiseAdaptive beamformerBeamformingToeplitz matrixMatrix (chemical analysis)Hermitian matrixComputer scienceMathematicsInterference (communication)Control theory (sociology)Applied mathematicsMathematical optimizationWhite noiseTelecommunicationsPhysicsGeometryMaterials scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Classical robust adaptive beamforming makes use of diagonal loading to prevent high sidelobes and distorted main beams caused by the inaccurate estimation of the covariance ma- trix, signal mismatch and non-stationary interference. This paper develops a general loading technique, called colored loading (CL), by which the estimated covariance matrix is loaded by a scaled version of a Hermitian matrix, usually a Toeplitz matrix for linear equispaced sensors, as opposed to using the identity matrix as in diagonal loading. The colored loading retains the simplicity of implementation of diagonal loading. Numerical examples show that colored loading is superior to diagonal loading in terms of the optimal output signal-to-interference plus noise ratio (SINR), in the snapshot deficient scenario.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,328

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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,220 · 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'étudeThéorique ou conceptuel
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207