Padded Coprime Arrays for Improved DOA Estimation: Exploiting Hole Representation and Filling Strategies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As a generalized coprime array structure, the coprime array with displaced subarrays (CADiS) allows a large minimum inter-element spacing by introducing a specific displacement between two sparse subarrays. While this structure can effectively reduce mutual coupling, the holes in its difference co-array greatly decrease the achievable number of uniform degrees of freedom (DOFs). In this paper, we first provide a complete characterization for the hole locations in the difference co-array generated by a tailored CADiS (tCADiS) as the union of four subsets of locations related via simple symmetry properties. We then introduce two representation approaches for the hole locations, revealing that the latter can be generated from the differences between sensor locations in the subarray of tCADiS and a small uniform linear array, referred to as a padded subarray. Subsequently, we propose novel padded coprime arrays (PCAs) by incorporating the padded subarray into tCADiS to enlarge the consecutive segments in the difference co-array. This not only contributes to increase the number of available uniform DOFs, but also helps mitigating the mutual coupling by limiting the number of sensor pairs with small separations. Finally, numerical simulation results are provided to demonstrate the superiority of PCAs over existing sparse array configurations in terms of DOF, mutual coupling and DOA estimation accuracy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle