On optimum multi‐input multi‐output radar signal design: Ambiguity function, manifold structure and duration‐bandwidth
Notice bibliographique
Résumé
Abstract A design technique is developed for the probing signals of a Multi‐Input Multi‐Output (MIMO) radar. The concentration of the energy of the signal in its essential duration and essential bandwidth is achieved through the use of a class of time‐frequency concentrated functions called the WLJ functions as the synthesizing signal set. The goal is to design a signal vector having a pre‐specified desired covariance (CoV) matrix while ensuring that the side‐lobes of the ambiguity functions are small. Since CoV matrices are structurally constrained, they form a manifold in the signal space. Hence, we argue that the difference between these matrices should not be measured in terms of the conventional Euclidean distance (ED); rather, the distance should be measured along the surface of the manifold, that is, in terms of a Riemannian distance (RD). In either case, the signal optimisation problem is non‐convex in the design variables, involving, respectively, a quartic and a square‐root objective function. An efficient algorithm based on successive convex approximation is developed in which the original non‐convex problems are transformed so that they can be approximated by a convex quadratically constrained quadratic problem at each stage, resulting in good approximate solutions. Comparing the designs using ED and RD, we find that the convergence of the algorithm can be significantly faster when optimising over the manifold (RD) than when optimising over the whole space (ED). More importantly, for tight constraints, the use of RD yields solutions which satisfy the constraints far better than the use of ED.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».