論文の概要: Study of Robust Direction Finding Based on Joint Sparse Representation
- arxiv url: http://arxiv.org/abs/2405.16765v1
- Date: Mon, 27 May 2024 02:26:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-28 19:16:00.337826
- Title: Study of Robust Direction Finding Based on Joint Sparse Representation
- Title（参考訳）: 関節スパース表現に基づくロバスト方向検出の検討
- Authors: Y. Li, W. Xiao, L. Zhao, Z. Huang, Q. Li, L. Li, R. C. de Lamare,
- Abstract要約: スパース信号回復(SSR)に基づく新しいDOA推定法を提案する。
グリッドミスマッチの問題に対処するために、交互最適化アプローチを用いる。
シミュレーションの結果,提案手法は大きな外れ値に対してロバスト性を示すことがわかった。
- 参考スコア（独自算出の注目度）: 2.3333781137726137
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Standard Direction of Arrival (DOA) estimation methods are typically derived based on the Gaussian noise assumption, making them highly sensitive to outliers. Therefore, in the presence of impulsive noise, the performance of these methods may significantly deteriorate. In this paper, we model impulsive noise as Gaussian noise mixed with sparse outliers. By exploiting their statistical differences, we propose a novel DOA estimation method based on sparse signal recovery (SSR). Furthermore, to address the issue of grid mismatch, we utilize an alternating optimization approach that relies on the estimated outlier matrix and the on-grid DOA estimates to obtain the off-grid DOA estimates. Simulation results demonstrate that the proposed method exhibits robustness against large outliers.
- Abstract（参考訳）: 標準位置推定法(DOA)は、一般的にガウス雑音の仮定に基づいて導出され、外れ値に非常に敏感である。
したがって、インパルスノイズの存在下では、これらの手法の性能が著しく低下する可能性がある。
本稿では,低周波外周波と混合したガウス雑音としてインパルスノイズをモデル化する。
統計的差異を利用して,スパース信号回復(SSR)に基づく新しいDOA推定法を提案する。
さらに、グリッドミスマッチの問題に対処するために、推定外乱行列とオングリッドDOA推定に依存する交互最適化手法を用いて、オフグリッドDOA推定値を得る。
シミュレーションの結果,提案手法は大きな外れ値に対してロバスト性を示すことがわかった。
関連論文リスト
- A Skewness-Based Criterion for Addressing Heteroscedastic Noise in Causal Discovery [47.36895591886043]
非定常対称雑音モデル(HSNMs)について検討する。
データ分布のスコア(すなわちログ密度の勾配)の歪度に基づいて、HSNMを識別するための新しい基準を導入する。
外部ノイズの抽出を必要とせずにヘテロ代用ノイズを処理するアルゴリズムであるSkewScoreを提案する。
論文 参考訳（メタデータ） (2024-10-08T22:28:30Z) - Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。
この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
論文 参考訳（メタデータ） (2024-02-03T13:35:39Z) - Hotelling Deflation on Large Symmetric Spiked Tensors [10.706763980556445]
逐次ランク1近似により得られるベクトルのアライメントの観点から,デフレの大きな次元的性能を正確に評価する。
本分析により,雑音の存在下でのデフレ機構の理解が可能となり,より効率的な信号推定法の設計に利用することができる。
論文 参考訳（メタデータ） (2023-04-20T12:16:05Z) - Robust Rayleigh Regression Method for SAR Image Processing in Presence
of Outliers [0.0]
合成開口レーダ(SAR)データにおける異常値(outliers)の存在は、不正確な推論をもたらす可能性がある。
本稿では,外乱の存在に頑健なレイリー回帰モデルパラメータ推定器について述べる。
論文 参考訳（メタデータ） (2022-07-29T23:03:45Z) - Instantaneous Frequency Estimation In Multi-Component Signals Using
Stochastic EM Algorithm [12.887899139468177]
本稿では、任意の分散雑音の存在下で観測された非定常混合信号のモードを推定する問題に対処する。
観測信号のスペクトログラムからモデルパラメータを推定するために新しいベイズモデルを導入し、EMアルゴリズムのバージョンを利用して計算コストの高いパラメータを後部分布から避ける。
論文 参考訳（メタデータ） (2022-03-28T17:06:11Z) - Stochastic and Private Nonconvex Outlier-Robust PCA [11.688030627514532]
外乱PCAは、外乱で破損したデータセットから下層の低次元線形部分空間を求める。
提案手法は,測地線降下と新しい収束解析を含む手法を含むことを示す。
メインの応用法は、アウトリアロバストPCAのための効果的にプライベートなアルゴリズムである。
論文 参考訳（メタデータ） (2022-03-17T12:00:47Z) - Partial Identification with Noisy Covariates: A Robust Optimization
Approach [94.10051154390237]
観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。
このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。
合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
論文 参考訳（メタデータ） (2022-02-22T04:24:26Z) - Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。
本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。
BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文 参考訳（メタデータ） (2021-10-24T10:23:51Z) - Outlier Robust Mean Estimation with Subgaussian Rates via Stability [46.03021473600576]
本研究では,ロバストなアウトリール高次元平均推定問題について検討する。
外乱平均推定のために, ガウス平均を用いた第1次計算効率を得る。
論文 参考訳（メタデータ） (2020-07-30T17:33:03Z) - $\gamma$-ABC: Outlier-Robust Approximate Bayesian Computation Based on a
Robust Divergence Estimator [95.71091446753414]
最寄りの$gamma$-divergence推定器をデータ差分尺度として用いることを提案する。
本手法は既存の不一致対策よりも高いロバスト性を実現する。
論文 参考訳（メタデータ） (2020-06-13T06:09:27Z) - Generative Modeling with Denoising Auto-Encoders and Langevin Sampling [88.83704353627554]
DAEとDSMの両方がスムーズな人口密度のスコアを推定することを示した。
次に、この結果をarXiv:1907.05600のホモトピー法に適用し、その経験的成功を理論的に正当化する。
論文 参考訳（メタデータ） (2020-01-31T23:50:03Z)
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。