Robust Multiple-Measurement Sparsity-Aware STAP with Bayesian Variational Autoencoder

Due to the shortage of independent and identically distributed (i.i.d.) training samples, space−time adaptive processing (STAP) often suffers remarkable performance degradation in the heterogeneous clutter environment. Sparse recovery (SR) techniques have been introduced into STAP for the benefit of...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Remote sensing (Basel, Switzerland) Ročník 14; číslo 15; s. 3800
Hlavní autoři:	Zhang, Chenxi, Zhao, Huiliang, Chen, Wenchao, Chen, Bo, Wang, Penghui, Jia, Changrui, Liu, Hongwei
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Basel MDPI AG 01.08.2022
Témata:	Adaptive sampling Airborne radar Algorithms Bayesian analysis Bayesian theory Clutter clutter plus noise covariance matrix (CCM) clutter suppression Computer applications Dictionaries Echoes Machine learning Mathematical models Methods Parameters Performance degradation Remote sensing Robustness space and time Space-time adaptive processing space−time adaptive processing (STAP) sparse recovery (SR) Sparsity Training variational autoencoder (VAE)
ISSN:	2072-4292, 2072-4292
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!