Training-Based Adaptive Transmit–Receive Beamforming for MIMO Radars
Notice bibliographique
Résumé
The recent advancements in digital control of the waveforms transmitted by radar systems has enabled implementation of multiple-input multiple-output radar systems. In such radars, each element is capable of transmitting a different waveform; in this paper, we focus on modifying a multiplicative weight at each transmitter to improve detection performance. Several authors have considered the problem of optimizing the transmit weights and the receive filter generally to maximize the output signal-to-interference-plus-noise ratio. Crucially, these previous works assumed a priori knowledge of the required second-order statistics. In this regard, we make two key contributions: First, we formulate and solve an optimization problem to estimate these required statistics using only signals received in previous coherent processing intervals (CPIs). Essentially, we estimate the transmit interference covariance matrix using receive data. The estimation does not assume any specific structure for the clutter covariance matrix. By using the most recent CPIs in the design, our approach makes it possible to track changes in the interference environment, and, therefore, adaptively design the transmit code in real time. Second, we introduce reduced-dimension processing for transmit adaptivity. As in the case of receive space-time adaptive processing (STAP), it is crucial to be able to perform filter design with only a limited number of available training samples. While reduced-dimension processing is well established for receive adaptivity, as we will see, transmit reduced-dimension processing requires a completely different formulation. We consider transmit code design for a single look angle-Doppler bin and also for a range of Doppler bins in the case that the target Doppler shift is unknown. Finally, we present simulation results, in the context of phase-perturbed propagation and airborne radars, to illustrate the performance of the proposed methods.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».