論文の概要: Direction of Arrival Estimation with Sparse Subarrays

• arxiv url: http://arxiv.org/abs/2409.00033v1
• Date: Sat, 17 Aug 2024 23:47:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-08 15:40:57.126855
• Title: Direction of Arrival Estimation with Sparse Subarrays
• Title（参考訳）: スパースサブアレイによる位置推定の方向
• Authors: W. Leite, R. C. de Lamare, Y. Zakharov, W. Liu, M. Haardt,
• Abstract要約: 本稿では,タイプIとタイプIIの2つの配列カテゴリを含む配列アーキテクチャを提案する。 そこで我々は,部分的に校正された配列シナリオに適した2つのDOA推定アルゴリズムを考案した。 アルゴリズムは、利用可能な物理センサーの数よりも多くのソースを推定することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes design techniques for partially-calibrated sparse linear subarrays and algorithms to perform direction-of-arrival (DOA) estimation. First, we introduce array architectures that incorporate two distinct array categories, namely type-I and type-II arrays. The former breaks down a known sparse linear geometry into as many pieces as we need, and the latter employs each subarray such as it fits a preplanned sparse linear geometry. Moreover, we devise two Direction of Arrival (DOA) estimation algorithms that are suitable for partially-calibrated array scenarios within the coarray domain. The algorithms are capable of estimating a greater number of sources than the number of available physical sensors, while maintaining the hardware and computational complexity within practical limits for real-time implementation. To this end, we exploit the intersection of projections onto affine spaces by devising the Generalized Coarray Multiple Signal Classification (GCA-MUSIC) in conjunction with the estimation of a refined projection matrix related to the noise subspace, as proposed in the GCA root-MUSIC algorithm. An analysis is performed for the devised subarray configurations in terms of degrees of freedom, as well as the computation of the Cram\`er-Rao Lower Bound for the utilized data model, in order to demonstrate the good performance of the proposed methods. Simulations assess the performance of the proposed design methods and algorithms against existing approaches.
• Abstract（参考訳）: 本稿では,部分キャリブレーションされたスパース線形サブアレイの設計手法と,方向推定(DOA)を行うアルゴリズムを提案する。 まず、タイプIとタイプIIの2つの異なる配列カテゴリを含む配列アーキテクチャを導入する。 前者は既知のスパース線型幾何を必要なだけ多くのピースに分解し、後者は事前に計画されたスパース線型幾何に適合するように各サブアレイを使用する。 さらに、コアレー領域内の部分校正配列シナリオに適した2つのDOA推定アルゴリズムを考案した。 アルゴリズムは、利用可能な物理センサーの数よりも多くのソースを推定できると同時に、ハードウェアと計算の複雑さを実時間実装の限界内で維持することができる。 この目的のために、GCAルート-MUSICアルゴリズムで提案されるように、ノイズ部分空間に関連する洗練されたプロジェクション行列の推定と合わせて、一般化されたコアレー多重信号分類(GCA-MUSIC)を考案することにより、アフィン空間へのプロジェクションの交叉を利用する。 提案手法の優れた性能を示すために,設計したサブアレイ構成の自由度および利用データモデルに対するCram\`er-Raolow界の計算について解析を行った。 シミュレーションは既存の手法に対して提案した設計手法とアルゴリズムの性能を評価する。

関連論文リスト

• Analysis of Partially-Calibrated Sparse Subarrays for Direction Finding with Extended Degrees of Freedom [0.0]
  本稿では,部分キャリブレーションされたスパースサブアレイのシナリオに対して,一般カレー多重信号分類(GCA-MUSIC) DOA推定アルゴリズムを提案する。 提案したGAA-MUSICアルゴリズムは,各サブアレイの差分コアレイを利用し,次いで特定の擬似スペクトルマージ規則を用いる。 数値シミュレーションにより,提案したGCA-MUSICは類似の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-06T14:48:34Z)
• Boundary Detection Algorithm Inspired by Locally Linear Embedding [8.259071011958254]
  本稿では,広く使用されている局所的線形埋め込みアルゴリズムにインスパイアされた境界点検出手法を提案する。 本手法は,2つの近傍探索スキーム($epsilon$-radius ball scheme)と$K$-nearest neighbor scheme($K$-nearest neighbor scheme)を用いて実装する。
  論文  参考訳（メタデータ） (2024-06-26T16:05:57Z)
• Sparse Array Design for Direction Finding using Deep Learning [19.061021605579683]
  疎配列を設計するための深層学習(DL)技術が導入されている。 この章では、DLベースのスパースアレイの応用について、いくつかの方向の合成を行っている。
  論文  参考訳（メタデータ） (2023-08-08T22:45:48Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Classical and Quantum Iterative Optimization Algorithms Based on Matrix Legendre-Bregman Projections [1.5736899098702972]
  エルミート行列空間上で定義されたルジャンドル・ブレーグマン射影について考察し,それに基づいて反復最適化アルゴリズムを設計する。 本稿では,ブレグマン射影アルゴリズムと近似的ブラグマン射影アルゴリズムについて検討する。 特に、近似反復アルゴリズムは、最大エントロピー推論のための一般化反復スケーリング(GIS)アルゴリズムの非可換バージョンをもたらす。
  論文  参考訳（メタデータ） (2022-09-28T15:59:08Z)
• High-Dimensional Sparse Bayesian Learning without Covariance Matrices [66.60078365202867]
  共分散行列の明示的な構成を避ける新しい推論手法を提案する。 本手法では, 数値線形代数と共役勾配アルゴリズムの対角線推定結果とを結合する。 いくつかのシミュレーションにおいて,本手法は計算時間とメモリにおける既存手法よりも拡張性が高い。
  論文  参考訳（メタデータ） (2022-02-25T16:35:26Z)
• Fast Projected Newton-like Method for Precision Matrix Estimation under Total Positivity [15.023842222803058]
  現在のアルゴリズムはブロック座標降下法や近点アルゴリズムを用いて設計されている。 本稿では,2次元投影法に基づく新しいアルゴリズムを提案し,慎重に設計された探索方向と変数分割方式を取り入れた。 合成および実世界のデータセットに対する実験結果から,提案アルゴリズムは最先端の手法と比較して計算効率を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2021-12-03T14:39:10Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• Effective Dimension Adaptive Sketching Methods for Faster Regularized Least-Squares Optimization [56.05635751529922]
  スケッチに基づくL2正規化最小二乗問題の解法を提案する。 我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
  論文  参考訳（メタデータ） (2020-06-10T15:00:09Z)
• Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
  このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。 我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。 得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
  論文  参考訳（メタデータ） (2020-02-21T17:45:32Z)

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。