Formación rápida de haces desconectados para matrices arbitrarias basadas en el aprendizaje bayesiano disperso fuera...

Área de la Ciencia:

• Procesamiento de señales
• Procesamiento de señales de matriz
• Electromagnetismo computacional

Sus antecedentes:

• La formación de haz desconectado (dCv) mejora la resolución espacial sin aumentar el tamaño de la matriz.
• Los dCv tradicionales luchan con patrones de haz variantes de desplazamiento y objetivos que no están en las redes de muestreo.
• La localización espacial precisa es crucial en varias aplicaciones de detección.

Objetivo del estudio:

• Extender el aprendizaje bayesiano disperso fuera de la red (OGSBL) a la formación de haces desconvocados (dCv).
• Para abordar las limitaciones de dCv relativas a los patrones de haz con variación de desplazamiento y a los objetivos fuera de la red.
• Mejorar la resolución espacial y la precisión en las técnicas de formación de haces.

Principales métodos:

• Modelo convolucional generalizado que incorpora el patrón de haz por ángulo.
• Parametrización de las ubicaciones muestreadas en redes gruesas para reducir los errores de modelado.
• Control del número de haces de salida para cubrir las regiones espaciales de interés para una convergencia más rápida.

Principales resultados:

• El dCv propuesto mejorado con OGSBL maneja eficazmente los patrones de haz de variación de desplazamiento.
• Se logra una localización precisa de los objetivos que no se encuentran en las redes de muestreo.
• Los resultados de la simulación demuestran el buen rendimiento y la precisión del método.

Conclusiones:

• La integración de OGSBL con dCv ofrece una solución robusta para mejorar la resolución espacial.
• Este enfoque supera las limitaciones clave de la dCv convencional.
• El método muestra un potencial significativo para aplicaciones avanzadas de formación de haces.