Advanced Sparsity-Driven Models and Methods for Radar Applications
In diesem Buch werden fortgeschrittene, auf Sparsamkeit basierende Modelle und Methoden und ihre Anwendungen bei Radaraufgaben wie Detektion, Bildgebung und Klassifizierung vorgestellt. Compressed Sensing (CS) ist eines der aktivsten Themen auf dem Gebiet der Signalverarbeitung. Durch die Ausnutzung und Förderung der Spärlichkeit der interessierenden Signale bietet CS einen neuen Rahmen für die Datenreduzierung, ohne die Leistung der Signalrückgewinnung zu beeinträchtigen, oder für die Verbesserung der Auflösung, ohne die Anzahl der Messungen zu erhöhen.
In einem einführenden Kapitel werden die Grundlagen der spärlichen Signalrückgewinnung dargelegt. Anschließend werden die folgenden Themen systematisch und umfassend behandelt: hybride Greedy-Pursuit-Algorithmen zur Verbesserung der Qualität von Radarabbildungen; zweistufige Block-Sparsity-Modelle für Mehrkanal-Radarsignale; parametrische Sparse-Darstellung für Radarabbildungen mit Modellunsicherheit; Poisson-Scheibenabtastung für hochauflösende SAR-Abbildungen mit großer Reichweite; wenn fortgeschrittene Sparse-Modelle auf grob quantisierte Radardaten treffen; sparsity-aware Mikro-Doppler-Analyse für die Klassifizierung von Radarzielen; und verteilte Erkennung von Sparse-Signalen in Radarnetzwerken durch den lokal stärksten Test. Ein abschließendes Kapitel fasst die wichtigsten Punkte aus den vorangegangenen Kapiteln zusammen und bietet prägnante Perspektiven.
Der Schwerpunkt des Buches liegt auf der Anwendung der CS-basierten Modelle und Algorithmen zur Lösung praktischer Probleme im Radarbereich für die Radar- und Signalverarbeitungsforschung.
| ISBN: | 9781839530753 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
