論文の概要: Multiobjective Bilevel Evolutionary Approach for Off-Grid Direction-of-Arrival Estimation

• arxiv url: http://arxiv.org/abs/2106.07318v1
• Date: Mon, 14 Jun 2021 11:44:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-26 17:59:08.690413
• Title: Multiobjective Bilevel Evolutionary Approach for Off-Grid Direction-of-Arrival Estimation
• Title（参考訳）: オフグリッド方向推定のための多目的二段階進化的アプローチ
• Authors: Bai Yan, Qi Zhao, Jin Zhang, J. Andrew Zhang, Xin Yao
• Abstract要約: 既存の手法は、統計的に劣る性質のため、間違った情報源数を提供する。 本稿では,ソース番号の同時同定とDOA推定という新たなアイデアを提案する。
• 参考スコア（独自算出の注目度）: 31.507466525490123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The source number identification is an essential step in direction-of-arrival (DOA) estimation. Existing methods may provide a wrong source number due to inferior statistical properties (in low SNR or limited snapshots) or modeling errors (caused by relaxing sparse penalties), especially in impulsive noise. To address this issue, we propose a novel idea of simultaneous source number identification and DOA estimation. We formulate a multiobjective off-grid DOA estimation model to realize this idea, by which the source number can be automatically identified together with DOA estimation. In particular, the source number is properly exploited by the $l_0$ norm of impinging signals without relaxations, guaranteeing accuracy. Furthermore, we design a multiobjective bilevel evolutionary algorithm to solve the proposed model. The source number identification and sparse recovery are simultaneously optimized at the on-grid (lower) level. A forward search strategy is developed to further refine the grid at the off-grid (upper) level. This strategy does not need linear approximations and can eliminate the off-grid gap with low computational complexity. Simulation results demonstrate the outperformance of our method in terms of source number and root mean square error.
• Abstract（参考訳）: ソース番号の識別は、DOA推定における重要なステップである。 既存の手法では、弱い統計特性(低SNRまたは限られたスナップショット)や(スパースペナルティの緩和による)モデリングエラー(特にインパルスノイズ)のために、間違ったソース番号を提供することができる。 そこで本研究では,ソース番号の同時同定とDOA推定という新たなアイデアを提案する。 このアイデアを実現するために,多目的オフグリッドdoa推定モデルを定式化し,doa推定と共にソース番号を自動的に識別する。 特に、ソース番号は、緩和せずに信号を妨害し、精度を保証する$l_0$ノルムによって適切に活用される。 さらに,提案モデルを解くために,多目的二段階進化アルゴリズムを設計する。 ソース番号の識別とスパースリカバリはオングリッド(より低い)レベルで同時に最適化される。 オフグリッド(アップパー)レベルでグリッドをさらに洗練するために,フォワード検索戦略が開発された。 この戦略は線形近似を必要とせず、計算複雑性の低いオフグリッドギャップを排除できる。 シミュレーションの結果、ソース数とルート平均二乗誤差の観点から、本手法の性能を実証した。

関連論文リスト

• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• A least distance estimator for a multivariate regression model using deep neural networks [1.8876415010297893]
  (A)GDNN-LD推定器は、DNN構造の重みパラメータに(適応的な)グループラッソペナルティを適用することにより、可変選択とモデル推定を同時に行う。 そこで本研究では,最小距離損失に基づく非滑らかな目的関数の最適化を容易にする2次平滑化近似法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T04:36:00Z)
• Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
  我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。 特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
  論文  参考訳（メタデータ） (2023-12-19T13:17:43Z)
• A Pseudo-Semantic Loss for Autoregressive Models with Logical Constraints [87.08677547257733]
  ニューロシンボリックAIは、純粋にシンボリックな学習とニューラルな学習のギャップを埋める。 本稿では,ニューラルネットワークの出力分布に対するシンボリック制約の可能性を最大化する方法を示す。 また,スドクと最短経路予測の手法を自己回帰世代として評価した。
  論文  参考訳（メタデータ） (2023-12-06T20:58:07Z)
• Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
  現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。 標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。 我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。 本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
  論文  参考訳（メタデータ） (2023-04-01T15:50:18Z)
• An Accelerated Doubly Stochastic Gradient Method with Faster Explicit Model Identification [97.28167655721766]
  本稿では、分散正規化損失最小化問題に対する2倍加速勾配降下法(ADSGD)を提案する。 まず、ADSGDが線形収束率を達成でき、全体的な計算複雑性を低減できることを示す。
  論文  参考訳（メタデータ） (2022-08-11T22:27:22Z)
• Minimax rate of consistency for linear models with missing values [0.0]
  多くの実世界のデータセットでは、複数のソースが集約され、本質的に欠落した情報(センサーの故障、調査における未回答の疑問...)が欠落する。 本稿では,広範に研究された線形モデルに焦点をあてるが,不足する値が存在する場合には,非常に難しい課題であることが判明した。 最終的には、多くの学習タスクを解決し、入力機能の数を指数関数的にすることで、現在の現実世界のデータセットでは予測が不可能になる。
  論文  参考訳（メタデータ） (2022-02-03T08:45:34Z)
• A Bayesian Approach to Block-Term Tensor Decomposition Model Selection and Computation [10.91885508254207]
  いわゆるブロック項分解(BTD)テンソルモデル(特にランク=(L_r,L_r,1)$バージョン)は近年注目を集めている。 BTDモデル構造、すなわちブロック項の数とその個々のランクを推定するという課題は、最近になって注目され始めたばかりです。 ランク-$(L_r,L_r,1)$ BTDモデルの選択と計算の問題を、列の間隔を直交するアイデアに基づいて解くためのベイズ的アプローチが採られる。
  論文  参考訳（メタデータ） (2021-01-08T09:37:21Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。