Dilated Arrays: A Family of Sparse Arrays With Increased Uniform Degrees of Freedom and Reduced Mutual Coupling on a Moving Platform
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
Recently, dilated nested arrays have been proposed on a moving platform to increase the uniform degrees of freedom (uDOF) by a factor of three by exploiting array motion. However, no literature addresses the issue whether the same dilation method still performs well for other array geometries such as coprime arrays, augmented nested arrays and minimum redundancy arrays. Compared with nested arrays, these arrays either achieve higher uDOF or exhibit more robustness to mutual coupling among sensors. In this paper, we propose a novel sparse array geometry named dilated arrays (DAs) on a moving platform by applying the dilation method to other array geometries. First, by exploiting the relationship between the element positions in the difference coarrays of the original linear array and the synthetic array after motion, we prove that, for a DA on a moving platform, the maximum uDOF can be tripled compared to that of its original array regardless of the array geometry. Therefore, the number of sources that can be resolved for direction-of-arrival (DOA) estimation is increased threefold. Second, we prove that a DA reduces mutual coupling compared with its original array. As a result, the DA is more robust to mutual coupling than its original array. Third, we extend one-dimensional DAs to the two-dimensional (2-D) case, yielding a new 2-D sparse array geometry named two-parallel DAs. We show that by exploiting array motion, two-parallel DAs can increase the number of detectable sources threefold. Numerical simulations demonstrate the superior performance of the proposed array geometries.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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