WLB-CANUN: Widely Linear Beamforming in Coprime Array With Non-Uniform Noise
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
The performance of widely linear beamforming (WLB) is superior to adaptive beamforming, but it is limited by the uniform linear array geometry and non-uniform noise. In this paper, to overcome these limitations together, we propose a framework for widely linear beamforming in coprime array with non-uniform noise (WLB-CANUN). We subtract the non-uniform noise component from the coprime array sample covariance matrix, and vectorize the resulted matrix to create the difference co-array (DCA). Since the DCA is not uniform, we interpolate it and recover its signal by formulating the atomic norm minimization problem with the Toeplitz and orthogonal subspace constraints.The pseudo sample covariance matrix of coprime array does not contain the non-uniform noise component, which can be directly vectorized to create the sum co-array (SCA). Due to the non-uniformity of SCA, we interpolate it and recover its signal by formulating another atomic norm minimization problem with the Hankel and orthogonal subspace constraints. The directions of non-circular signals can be estimated by the traditional subspace method, which are utilized to estimate their non-circular coefficients. A least square optimization problem using the sample and pseudo sample covariance matrices of coprime array is formulated and solved to estimate the powers of non-circular signals. The interference-plus-noise covariance matrix (INCM), pseudo INCM and augmented INCM of coprime array are reconstructed, so that the ultimate augmented weight vector can be calculated. Simulation results indicate that the proposed WLB-CANUN method overcomes the limitations of WLB in coprime array with non-uniform noise, and enhances the performance compared to the existing WLB methods.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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