在具有坏数据的顺式偏振敏感数组中,基于强大的张量DOA和偏振估计
Xiaoyu Lan1,2, Lai Jiang3, Shuang Ma1
1School of Electronic and Information Engineering, Shenyang Aerospace University, Shenyang 110136, China.
本研究引入了一种新的张量变量稀疏贝叶斯学习方法,以准确估计到达方向 (DOA) 和偏振参数,即使有部分受损的传感器阵列. 该方法有效地处理不良数据并恢复丢失的信息,以进行可靠的信号参数估计.
科学领域:
- 信号处理 信号处理
- 阵列信号处理 阵列信号处理
- 电磁学 电磁学 电磁学 电磁学
背景情况:
- 部分受损的传感器阵列降低了信号参数估计的准确性.
- 传感器阵列中的不良数据会导致信息丢失和性能降低.
- 准确的到达方向 (DOA) 和偏振估计在各种应用中至关重要.
研究的目的:
- 为联合DOA和极化估计提出一个张量变量稀疏贝叶斯学习 (TVSBL) 方法.
- 为了应对部分受损的传感器阵列和不良数据所带来的挑战.
- 在现实的场景中开发一个可靠的信号参数估计方法.
主要方法:
- 开发了一种基于紧张子的收到数据模型,用于包含不良数据的符合偏振敏感数组 (CPSA).
- 提出了一种柱向量检测方法来识别受损传感器.
- 使用低级别的矩阵完成来恢复丢失的信号信息.
- 利用变量稀疏贝叶斯学习 (VSBL) 和参数估计的最小自向量方法.
主要成果:
- 拟议的TVSBL方法有效地估计了部分损坏的传感器阵列的DOA和偏振参数.
- 该方法证明了对不良数据的稳定性,并恢复随机信号信息丢失.
- 模拟结果验证了拟议方法的有效性和准确性.
- 提供了该方法的Cramér-Rao绑定.
结论:
- 开发的TVSBL方法为受损传感器阵列的信号参数估计提供了显著的进步.
- 该方法提供了DOA和极化参数的准确联合估计.
- 这种方法提高了信号处理系统的可靠性,这些系统在使用不完美的传感器数据时运行.
更多相关视频
00:07A Photonic System for Generating Unconditional Polarization-Entangled Photons Based on Multiple Quantum Interference
Published on: September 5, 2019
14:18Automation of Mode Locking in a Nonlinear Polarization Rotation Fiber Laser through Output Polarization Measurements
Published on: February 28, 2016
相关概念视频
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
Deconvolution
Deconvolution involves several mathematical techniques to derive the impulse response. One common approach is polynomial division. In this method, the input and output sequences are treated as coefficients of...
IR Spectrum Peak Splitting: Symmetric vs Asymmetric Vibrations
Dielectric Polarization in a Capacitor
Extraction: Partition and Distribution Coefficients
For extracting a solute from an aqueous phase into an...
Linear Approximation in Frequency Domain
In contrast, nonlinear systems do not inherently possess these properties. However, for small deviations around an operating point, a nonlinear system can often be approximated as linear....
