MétaCan
Menu
Retour à la cohorte
Enregistrement W2167599467 · doi:10.1109/iscas.2011.5937584

Minimum redundancy linear sparse subarrays for direction of arrival estimation without ambiguity

2011· article· en· W2167599467 sur OpenAlexaff
Jian-Feng Gu, Wei‐Ping Zhu, M.N.S. Swamy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueDirection-of-Arrival Estimation Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRedundancy (engineering)AlgorithmKronecker deltaAmbiguityComputer scienceDirection of arrivalMultiple signal classificationMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper presents a new method of estimating the direction-of-arrival (DOA) for multiple signals using minimum redundancy linear sparse subarrays (MRLSS). The proposed method makes use of the array structure to obtain the extended correlation matrix that is constructed by Kronecker Steering Vectors (KSVs) of which each contains the ambiguous and unambiguous angle with a one-to-one relationship. Our method enjoys two advantages in comparison to the existing methods. First, the cyclic ambiguity can be resolved by the one-to-one mapping of unambiguous angle without requiring additional algorithms such as MUSIC and MODE. Second, the proposed method can deal with different unambiguous angles with the same ambiguous angles, which could not have been possible by using the traditional schemes due to the fact that our method obtains the ambiguous and unambiguous angles simultaneously.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,555

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 Opus0,054
Tête enseignante GPT0,297
Écart entre enseignants0,243 · 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'étudeExpérimental (laboratoire)
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

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDirection-of-Arrival Estimation TechniquesTravaux en français237 207