Advancements in Jammer Location Identification and Suppression: Employing a Multi-Target Least Square Constant Modulus Array Approach
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
In the domain of array signal processing, the identification and suppression of jamming signals pose significant challenges, particularly in scenarios where intentional interferers operate in the far-field region.This study introduces an innovative beamforming technique, the multi-target least square constant modulus algorithm (MT-LSCMA), which surpasses traditional direction-of-arrival (DOA) estimation methods like estimation of signal parameters via rotational invariant techniques (ESPRIT) and multiple signal classification (MUSIC) by addressing their limitations in computational complexity, detection efficacy, and inaccuracies arising from coherent sources.Unlike conventional approaches, the MT-LSCMA, an extension of the blind constant modulus adaptive beamforming method, does not rely on a reference signal for the optimization of the mean-square-error (MSE) cost function.Instead, it iteratively updates the weights based on constant modulus signal information, facilitating the identification of jammer locations even under low signal-tonoise ratios (SNR).This methodology enhances anti-jamming capabilities by adaptively forming nulls in the radiation pattern directed towards the jammers.Simulation results demonstrate the superior accuracy of the MT-LSCMA in tracking jammers compared to both traditional and recently developed techniques.The proposed method yields significant improvements in detection probability, resolution probability, failure rate, computational complexity, and root-mean-square-error (RMSE), thus offering a robust solution for effective jammer location identification and suppression.
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 | 0,000 |
| 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