MétaCan
Menu
Retour à la cohorte
Enregistrement W4221041759 · doi:10.1186/s13634-022-00859-2

A low complexity STPAP algorithm based on an alternating polarization-sensitive array

2022· article· en· W4221041759 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEURASIP Journal on Advances in Signal Processing · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensUniversity of Victoria
Organismes subventionnairesPolit National Laboratory for Marine Science and TechnologyNational Natural Science Foundation of China
Mots-clésAlgorithmSpace-time adaptive processingComputer scienceComputational complexity theoryPolarization (electrochemistry)ClutterRadarTelecommunicationsRadar imagingContinuous-wave radar

Résumé

récupéré en direct d'OpenAlex

Abstract Background Space–time adaptive processing (STAP) has been widely used in the fields of communication, radar, and navigation anti-jamming. However, the traditional scalar arrays used with STAP have limitations because they can only obtain spatial information. To improve the performance, joint space–time filtering is proposed using an alternating polarization-sensitive array (APSA). Compared to a dual-polarization sensitive array (DPSA), this array can provide polarization information and reduce the computational complexity. Methods An alternating polarization-sensitive array space–time polarization adaptive processing (APSA-STPAP) algorithm is proposed based on the linear constraint minimum variance (LCMV) criterion. Different from the traditional LCMV criterion, the space–time polarization joint steering vector of the desired and interference signals is used as the constraint matrix, and the “set 1” and “set 0” conditions are used as the constraint conditions to effectively suppress the interference signals and enhance the desired signals. Results Simulation results are presented which show the following. (1) Filtering with the proposed APSA-STPAP algorithm is similar to that with the DPSA-STPAP algorithm. From the perspective of the spatial, time, and polarization domains, it can form nulls in the directions of the interference and realize space–time-polarization adaptive processing. (2) The APSA-STPAP algorithm has lower computational complexity than the DPSA-STPAP algorithm. Moreover, the dipole of the alternating polarization sensitive array is halved, which reduces the coupling effect between electric dipoles and makes implementation easier. (3) The APSA-STPAP algorithm maintains good anti-interference performance even when the electric dipole and anti-jamming degrees of freedom are reduced by half, and the anti-jamming performance is similar to that of a polarization-sensitive array. There is little difference between the anti-interference performance of the APSA-STPAP and DPSA-STPAP algorithms when SNR ≥ − 10 dB.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,266
Écart entre enseignants0,251 · 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