Iterative Adaptive(반복 적응)란 무엇입니까?
Iterative Adaptive 반복 적응 - Then, we introduce sparse technology into line-of-sight/none-line-of-sight (LOS/NLOS) scenarios formulating a L1-norm minimization problem, and solve it by alternating direction method of multipliers (ADMM) with a strategy of iterative adaptive. [1]그런 다음 L1-norm 최소화 문제를 공식화하는 LOS/NLOS(line-of-sight/none-line-of-sight) 시나리오에 희소 기술을 도입하고 반복적 인 적응. [1]
optimal control problem 최적의 제어 문제
In this article, a data-driven iterative adaptive critic (IAC) strategy is developed to address the nonlinear optimal control problem. [1] In this article, we consider an iterative adaptive dynamic programming (ADP) algorithm within the Hamiltonian-driven framework to solve the Hamilton-Jacobi-Bellman (HJB) equation for the infinite-horizon optimal control problem in continuous time for nonlinear systems. [2] Then, the iterative adaptive dynamic programming strategy is introduced to solve the optimal control problem of the new system with the discount factor in the cost function, and the convergence analysis of the iterative algorithm is given. [3]이 기사에서는 비선형 최적 제어 문제를 해결하기 위해 데이터 기반 IAC(반복적 적응 비평가) 전략을 개발했습니다. [1] 이 기사에서는 비선형 시스템에 대한 연속 시간의 무한 수평 최적 제어 문제에 대한 Hamilton-Jacobi-Bellman(HJB) 방정식을 풀기 위해 Hamiltonian 기반 프레임워크 내의 반복적 적응 동적 프로그래밍(ADP) 알고리즘을 고려합니다. [2] 그런 다음 비용 함수에 할인 인자를 사용하여 새 시스템의 최적 제어 문제를 해결하기 위한 반복 적응 동적 계획법 전략을 도입하고 반복 알고리즘의 수렴 분석을 제공합니다. [3]
Novel Iterative Adaptive
This letter provides a novel iterative adaptive frequency-domain equalization for time-varying underwater acoustic (UWA) channels. [1] Taking such an uncertainty probability into account, a novel iterative adaptive dynamic programming (ADP) algorithm is developed to obtain the desired suboptimal solution with the help of auxiliary quasi-HJB equation, and the algorithm convergence is also investigated via the intensive use of the mathematical analysis. [2] To address the curse of dimensionality in outlier identification, this paper presents a novel technique that generates candidate subspaces from the high-dimensional space and refines the identification of potential outliers from each subspace using a novel iterative adaptive clustering approach. [3]이 편지는 시간에 따라 변하는 수중 음향(UWA) 채널을 위한 새로운 반복 적응형 주파수 영역 이퀄라이제이션을 제공합니다. [1] 이러한 불확실성 확률을 고려하여 보조 준-HJB 방정식의 도움으로 원하는 차선책 솔루션을 얻기 위해 새로운 반복적 적응 동적 계획법(ADP) 알고리즘을 개발하고 수학적 계산을 집중적으로 사용하여 알고리즘 수렴을 조사합니다. 분석. [2] 이상치 식별에서 차원의 저주를 해결하기 위해 이 논문은 고차원 공간에서 후보 부분 공간을 생성하고 새로운 반복 적응 클러스터링 접근 방식을 사용하여 각 부분 공간에서 잠재적 이상치를 식별하는 새로운 기술을 제시합니다. [3]
Nonparametric Iterative Adaptive
The nonparametric iterative adaptive approach (IAA) has been recently introduced in TomoSAR, achieving a good compromise between high resolution and computing efficiency. [1] In this paper, the analysis and evaluation of data-adaptive spectral estimation algorithms namely nonparametric iterative adaptive approach (IAA) and semiparametric methods—sparse learning via iterative minimization (SLIM) and sparse iterative covariance-based estimation (SPICE)—have been presented. [2] In this paper, the analysis and evaluation of data-adaptive spectral estimation algorithms namely nonparametric iterative adaptive approach (IAA) and semiparametric methods—sparse learning via iterative minimization (SLIM) and sparse iterative covariance-based estimation (SPICE)—have been presented. [3]비모수적 반복 적응 방식(IAA)이 최근 TomoSAR에 도입되어 고해상도와 컴퓨팅 효율성 간의 적절한 절충안을 달성했습니다. [1] 이 논문에서는 데이터 적응 스펙트럼 추정 알고리즘, 즉 비모수 반복 적응 접근(IAA)과 반모수 방법(반모수 최소화를 통한 희소 학습(SLIM) 및 희소 반복 공분산 기반 추정(SPICE))의 분석 및 평가가 제시되었습니다. [2] 이 논문에서는 데이터 적응 스펙트럼 추정 알고리즘, 즉 비모수 반복 적응 접근(IAA)과 반모수 방법(반모수 최소화를 통한 희소 학습(SLIM) 및 희소 반복 공분산 기반 추정(SPICE))의 분석 및 평가가 제시되었습니다. [3]
Improved Iterative Adaptive
To effectively denoise and detect transient disturbances under noisy conditions, an improved iterative adaptive kernel regression method is proposed in this paper. [1] This paper proposes an improved Iterative Adaptive Inverse Filtering (IAIF) method based on a Glottal Flow Model, which we call GFM-IAIF. [2]잡음이 있는 조건에서 일시적인 교란을 효과적으로 제거하고 탐지하기 위해 본 논문에서는 개선된 반복 적응 커널 회귀 방법을 제안합니다. [1] 본 논문에서는 GFM-IAIF라고 하는 성문 흐름 모델에 기반한 개선된 IAIF(Iterative Adaptive Inverse Filtering) 방법을 제안합니다. [2]
Datum Iterative Adaptive
Then, missing-data iterative adaptive approach (MIAA) is performed to recover the notched signal to avoid ghosts. [1] Then, the sparse FBTVAR model parameters corresponding to the gapped sampled data and the missing data are estimated via an extended sparse Bayesian learning (SBL) algorithm and the missing-data iterative adaptive approach (MIAA). [2]그런 다음, MIAA(missing-data iterative 적응적 접근)를 수행하여 노치 신호를 복구하여 고스트를 방지합니다. [1] 그런 다음, 갭 샘플링된 데이터 및 누락된 데이터에 해당하는 희소 FBTVAR 모델 매개변수는 확장 희소 베이지안 학습(SBL) 알고리즘 및 누락 데이터 반복 적응 접근(MIAA)을 통해 추정됩니다. [2]
iterative adaptive approach 반복적 적응 접근
Iterative adaptive approach (IAA) is an effective way to improve the resolution of airborne forward-looking radar imagery. [1] The nonparametric iterative adaptive approach (IAA) has been recently introduced in TomoSAR, achieving a good compromise between high resolution and computing efficiency. [2] To overcome the two problems, a data extrapolation-based parallel iterative adaptive approach is proposed to fast reconstruct the targets in the whole sector without the distortion at the scene edge. [3] After motion compensation, the target signal in a range unit is transformed into high-resolution time-frequency domain by means of the short-time iterative adaptive approach (STIAA), which can avoid the troubled cross-term interference and effectively break through the time-frequency resolution restriction in comparison with the conventional short-time Fourier transform (STFT). [4] The performance assessment based on simulated and experimental data, also in comparison to the conventional real beam, truncated singular value decomposition (TSVD), iterative adaptive approach (IAA) methods, has demonstrated the effectiveness of our proposed algorithm under high-speed platform scenarios. [5] Iterative adaptive approach (IAA) is an effective super-resolution method to improve the resolution of airborne forward-looking radar imaging. [6] In this article, we propose a new FOD detection method for interference suppression and false alarm reduction based on an iterative adaptive approach (IAA) algorithm, which is a non-parametric, weighted least squares-based iterative adaptive processing approach that can provide super-resolution capability. [7] In this paper, an iterative adaptive approach is applied using linear dispersion theory to optimize the control signal of the wavemaker. [8] ABSTRACT In this paper, we introduce a fast iterative adaptive approach for the reconstruction of 3D seismic data with randomly missing traces. [9] In addition, an iterative adaptive approach is applied to effectively improve the Doppler resolution of WiFi passive radar. [10] The echo signals of all subcarriers in a single pulse are compressed, and then the high-resolution range of the target is synthesized by Iterative Adaptive Approach (IAA) algorithm. [11] A new multiple-burst method based on the Iterative Adaptive Approach (IAA) is proposed to resolve ambiguities from multiple burst signals with Pulse Repetition Frequency (PRF) and carrier frequency diversity. [12] Finally, the iterative adaptive approach (IAA) is used to obtain the image with high resolution. [13] Then, missing-data iterative adaptive approach (MIAA) is performed to recover the notched signal to avoid ghosts. [14] Finally, in order to improve resolution and accuracy DOA estimation of remaining coherent signals while avoiding the cross-terms effect, a new beamforming solution based iterative adaptive approach (IAA) is proposed to deal with a reconstructed covariance matrix. [15] In this paper, we combine the DPD with the iterative adaptive approach (IAA) to address the localization problem of coherent sources without knowing the transmitted signals. [16] Then, the iterative adaptive approach (IAA) is applied to iteratively estimate the along-track baseline with high precision. [17] This paper presents a super-fast radar map generation based on newly proposed compressed Iterative Adaptive Approach (IAA) method. [18] In addition, W&O-SPICE showed a better performance than W&O-CS, beamforming, Capon, and the iterative adaptive approach (IAA). [19] In this method a sparse representation of the signals is firstly established, and the iterative adaptive approach (IAA) is applied to spatial spectrum estimation. [20] After analyzing the signal model of irregular PRI radar, we propose a coherent integration method based on Radon-iterative adaptive approach (Radon-IAA) to deal with the problems of irregular range cell migration (RCM) and the irregular phase fluctuations among different pulses introduced by the irregular PRI. [21] The CCG algorithm can reduce the need of the data from the secondary range cells in conventional STAP approaches and degrade the mismatch problem in the iterative adaptive approach (IAA) to some extent. [22] Thus, an interpolated iterative adaptive approach (IAA) combined with spectral windowing is proposed to estimate off-grids targets as well as suppress high frequency noise. [23] In this paper, an iterative adaptive approach (IAA) based method is proposed to solve the problem of configuration adaptability. [24] In contrast to existing approaches, we propose two new reconstruction-based robust adaptive beamformers by using the accurate iterative adaptive approach (IAA) spectrum to combat the covariance matrix uncertainties and the steering vector mismatches. [25] In this paper, we propose to use an iterative adaptive approach to perform the Doppler processing in ground-based surveillance radar for drone detection. [26] For each subaperture processing, the iterative adaptive approach (IAA) is adopted to achieve improved elevation resolution and suppressed sidelobes. [27] In this paper, the analysis and evaluation of data-adaptive spectral estimation algorithms namely nonparametric iterative adaptive approach (IAA) and semiparametric methods—sparse learning via iterative minimization (SLIM) and sparse iterative covariance-based estimation (SPICE)—have been presented. [28] A novel algorithm, named as tensor-based iterative adaptive approach, is proposed for the effective and efficient reconstruction of sparse targets with a reduced level of sidelobes. [29] Then, the sparse FBTVAR model parameters corresponding to the gapped sampled data and the missing data are estimated via an extended sparse Bayesian learning (SBL) algorithm and the missing-data iterative adaptive approach (MIAA). [30] In this paper, the analysis and evaluation of data-adaptive spectral estimation algorithms namely nonparametric iterative adaptive approach (IAA) and semiparametric methods—sparse learning via iterative minimization (SLIM) and sparse iterative covariance-based estimation (SPICE)—have been presented. [31] Because of the high-dimensional matrix-operations, the computational complexity of several CS algorithms is huge such as the iterative adaptive approach (IAA), bayesian compressed sensing (BCS), and sparsity bayesian recovery via iterative minimum (SBRIM) algorithm. [32] Iterative adaptive approach (IAA) is a recently introduced method for scanning radar angular super-resolution, which could notably improve the angular resolution and suppress the noise amplification. [33] Considering the common methods of this kind are always limited by the resolution of Fourier transform and cannot get good performances in the situations of slowly rotating targets, a novel method of scaling based on the iterative adaptive approach and the discrete polynomial-phase transform is proposed in this paper. [34] the iterative adaptive approach (IAA). [35] Modern high-resolution parametric-free spectrum estimators – IAA (Iterative Adaptive Approach) and SPICE (Semi-Parametric Iterative Covariance-based Estimator) – are proposed for the reconstruction of the observed scene from wideband radar measurements with no velocity ambiguities. [36] Next, an iterative adaptive approach (IAA) is applied to estimate their vital sign parameters. [37] Brute force iterative adaptive approach (IAA), utilizing weighted least squares estimation (WLSE) criterion, is a nonparametric super-resolution spectrum estimation method to effectively improve the resolution of Doppler beam sharpening (DBS) imaging. [38] Recently, there has been much attention paid to the iterative adaptive approach (IAA), which draws from the benefits of RAR imaging and provides improved cross-range resolution. [39]IAA(반복적응접근)는 공중전향 레이더 이미지의 해상도를 향상시키는 효과적인 방법입니다. [1] 비모수적 반복 적응 방식(IAA)이 최근 TomoSAR에 도입되어 고해상도와 컴퓨팅 효율성 간의 적절한 절충안을 달성했습니다. [2] nan [3] nan [4] 시뮬레이션 및 실험 데이터를 기반으로 한 성능 평가는 기존의 실제 빔, 절단된 특이값 분해(TSVD), 반복 적응 접근(IAA) 방법과 비교하여 고속 플랫폼 시나리오에서 제안된 알고리즘의 효율성을 입증했습니다. [5] IAA(반복적응접근)는 공중전향 레이더 영상의 해상도를 향상시키는 효과적인 초해상도 방법입니다. [6] 이 기사에서는 비모수적 가중치 최소 자승 기반 반복 적응 처리 접근 방식인 반복적 적응 접근(IAA) 알고리즘을 기반으로 간섭 억제 및 오경보 감소를 위한 새로운 FOD 탐지 방법을 제안합니다. 해상도 기능. [7] 본 논문에서는 웨이브메이커의 제어 신호를 최적화하기 위해 선형 분산 이론을 사용하여 반복적 적응 접근법을 적용하였다. [8] nan [9] 또한 WiFi 패시브 레이더의 도플러 분해능을 효과적으로 개선하기 위해 반복적 적응 방식을 적용했습니다. [10] 단일 펄스에 있는 모든 부반송파의 에코 신호를 압축한 다음 IAA(반복적응적 접근) 알고리즘을 통해 대상의 고해상도 범위를 합성합니다. [11] Iterative Adaptive Approach(IAA)에 기반한 새로운 다중 버스트 방법은 PRF(Pulse Repetition Frequency) 및 반송파 주파수 다이버시티를 사용하여 다중 버스트 신호의 모호성을 해결하기 위해 제안됩니다. [12] 마지막으로 IAA(반복적응적 접근)를 사용하여 고해상도의 이미지를 얻습니다. [13] 그런 다음, MIAA(missing-data iterative 적응적 접근)를 수행하여 노치 신호를 복구하여 고스트를 방지합니다. [14] 마지막으로, 교차 항 효과를 피하면서 나머지 간섭 신호의 DOA 추정의 해상도와 정확도를 향상시키기 위해 재구성된 공분산 행렬을 처리하는 새로운 빔포밍 솔루션 기반 반복 적응 접근(IAA)이 제안됩니다. [15] 이 논문에서는 DPD와 IAA(iterative adaptive approach)를 결합하여 전송된 신호를 모른 채 간섭성 소스의 로컬라이제이션 문제를 해결합니다. [16] 그런 다음 IAA(반복적응적 접근)를 적용하여 추적 기준선을 높은 정밀도로 반복적으로 추정합니다. [17] 본 논문은 새롭게 제안된 압축 IAA(Iterative Adaptive Approach) 방법을 기반으로 한 초고속 레이더 맵 생성을 제시한다. [18] 또한 W&O-SPICE는 W&O-CS, 빔포밍, Capon, IAA(iterative adaptive approach)보다 우수한 성능을 보였다. [19] 이 방법에서는 신호의 희소 표현이 먼저 설정되고 공간 스펙트럼 추정에 반복적 적응 방식(IAA)이 적용됩니다. [20] 불규칙한 PRI 레이더의 신호 모델을 분석한 후, 우리는 불규칙한 범위 셀 마이그레이션(RCM) 및 도입된 서로 다른 펄스 간의 불규칙한 위상 변동 문제를 처리하기 위해 Radon-IAA(Radon-Iterative Adaptive Approach) 기반의 일관된 통합 방법을 제안합니다. 불규칙한 PRI에 의해 [21] CCG 알고리즘은 기존 STAP 접근 방식에서 2차 범위 셀의 데이터 필요성을 줄이고 IAA(반복적 적응 방식)에서 불일치 문제를 어느 정도 저하시킬 수 있습니다. [22] 따라서 스펙트럼 윈도잉과 결합된 보간된 반복적 적응 접근법(IAA)은 오프 그리드 타겟을 추정하고 고주파수 노이즈를 억제하기 위해 제안됩니다. [23] 본 논문에서는 구성 적응성 문제를 해결하기 위해 IAA(Iterative Adaptive Approach) 기반 방법을 제안한다. [24] 기존 접근 방식과 달리 정확한 IAA(반복 적응 접근 방식) 스펙트럼을 사용하여 공분산 행렬 불확실성과 스티어링 벡터 불일치를 방지하는 두 가지 새로운 재구성 기반의 강력한 적응형 빔 형성기를 제안합니다. [25] 본 논문에서는 드론 탐지를 위한 지상 감시 레이더에서 반복적 적응 접근 방식을 사용하여 도플러 처리를 수행할 것을 제안한다. [26] 각 하위 조리개 처리에 대해 개선된 고도 해상도와 억제된 사이드로브를 달성하기 위해 반복적 적응 방식(IAA)이 채택되었습니다. [27] 이 논문에서는 데이터 적응 스펙트럼 추정 알고리즘, 즉 비모수 반복 적응 접근(IAA)과 반모수 방법(반모수 최소화를 통한 희소 학습(SLIM) 및 희소 반복 공분산 기반 추정(SPICE))의 분석 및 평가가 제시되었습니다. [28] 텐서 기반 반복 적응 접근 방식으로 명명된 새로운 알고리즘은 사이드로브 수준이 감소된 희소 대상의 효과적이고 효율적인 재구성을 위해 제안됩니다. [29] 그런 다음, 갭 샘플링된 데이터 및 누락된 데이터에 해당하는 희소 FBTVAR 모델 매개변수는 확장 희소 베이지안 학습(SBL) 알고리즘 및 누락 데이터 반복 적응 접근(MIAA)을 통해 추정됩니다. [30] 이 논문에서는 데이터 적응 스펙트럼 추정 알고리즘, 즉 비모수 반복 적응 접근(IAA)과 반모수 방법(반모수 최소화를 통한 희소 학습(SLIM) 및 희소 반복 공분산 기반 추정(SPICE))의 분석 및 평가가 제시되었습니다. [31] 고차원 행렬 연산으로 인해 IAA(반복 적응 접근 방식), BCS(베이지안 압축 감지) 및 SBRIM(반복 최소값을 통한 희소 베이지안 복구) 알고리즘과 같은 여러 CS 알고리즘의 계산 복잡성이 큽니다. [32] IAA(반복적응적 접근)는 레이더 각도 초해상도를 스캔하기 위해 최근에 도입된 방법으로, 각도 분해능을 현저하게 개선하고 잡음 증폭을 억제할 수 있습니다. [33] 이러한 종류의 일반적인 방법은 항상 푸리에 변환의 해상도에 의해 제한되고 타겟이 천천히 회전하는 상황에서 좋은 성능을 얻을 수 없다는 점을 고려하여 반복적 적응 접근법과 이산 다항식 위상 변환을 기반으로 한 새로운 스케일링 방법을 제안합니다. 이 종이. [34] 반복적응접근법(IAA). [35] 최신 고해상도 무변수 스펙트럼 추정기인 IAA(반복적 적응 접근) 및 SPICE(반모수 반복 공분산 기반 추정기)는 속도 모호성이 없는 광대역 레이더 측정에서 관찰된 장면을 재구성하기 위해 제안됩니다. [36] 다음으로, 생체 신호 매개변수를 추정하기 위해 반복적 적응 접근법(IAA)이 적용됩니다. [37] 가중 최소 제곱 추정(WLSE) 기준을 사용하는 무차별 대입 반복 적응 접근(IAA)은 도플러 빔 샤프닝(DBS) 이미징의 해상도를 효과적으로 개선하기 위한 비모수 초해상도 스펙트럼 추정 방법입니다. [38] 최근에는 RAR 이미징의 이점을 활용하고 향상된 교차 범위 해상도를 제공하는 IAA(반복적응 방식)에 많은 관심이 집중되고 있습니다. [39]
iterative adaptive dynamic 반복 적응 동적
In this article, we consider an iterative adaptive dynamic programming (ADP) algorithm within the Hamiltonian-driven framework to solve the Hamilton-Jacobi-Bellman (HJB) equation for the infinite-horizon optimal control problem in continuous time for nonlinear systems. [1] Then, the iterative adaptive dynamic programming strategy is introduced to solve the optimal control problem of the new system with the discount factor in the cost function, and the convergence analysis of the iterative algorithm is given. [2] Taking such an uncertainty probability into account, a novel iterative adaptive dynamic programming (ADP) algorithm is developed to obtain the desired suboptimal solution with the help of auxiliary quasi-HJB equation, and the algorithm convergence is also investigated via the intensive use of the mathematical analysis. [3] Specifically, to deal with the “optimization-over-optimization” problem introduced by real-time pricing, and to tackle the high complexity problem brought by dynamic building consumption patterns, we implement neural network based iterative adaptive dynamic programming algorithm in this complex system to solve for the best overall system social cost. [4] In this paper, a novel optimal control scheme for ground-granulated blast-furnace slag (GGBS) production process is proposed by using the iterative adaptive dynamic programming (ADP) method and dynamic optimization of desired values. [5]이 기사에서는 비선형 시스템에 대한 연속 시간의 무한 수평 최적 제어 문제에 대한 Hamilton-Jacobi-Bellman(HJB) 방정식을 풀기 위해 Hamiltonian 기반 프레임워크 내의 반복적 적응 동적 프로그래밍(ADP) 알고리즘을 고려합니다. [1] 그런 다음 비용 함수에 할인 인자를 사용하여 새 시스템의 최적 제어 문제를 해결하기 위한 반복 적응 동적 계획법 전략을 도입하고 반복 알고리즘의 수렴 분석을 제공합니다. [2] 이러한 불확실성 확률을 고려하여 보조 준-HJB 방정식의 도움으로 원하는 차선책 솔루션을 얻기 위해 새로운 반복적 적응 동적 계획법(ADP) 알고리즘을 개발하고 수학적 계산을 집중적으로 사용하여 알고리즘 수렴을 조사합니다. 분석. [3] 특히, 실시간 가격 책정에 의해 도입된 "최적화-초-최적화" 문제를 처리하고 동적 건물 소비 패턴으로 인한 복잡한 문제를 해결하기 위해 이 복잡한 시스템에서 신경망 기반 반복 적응 동적 프로그래밍 알고리즘을 구현합니다. 최고의 전체 시스템 사회적 비용을 해결합니다. [4] 본 논문에서는 반복적응적 동적계획법(ADP) 방법과 원하는 값의 동적 최적화를 이용하여 GGBS(ground-granulated blast-furnace slag) 생산 공정을 위한 새로운 최적 제어 기법을 제안한다. [5]
iterative adaptive inverse
The glottal flow derivative of speech signal is obtained through iterative adaptive inverse filtering method. [1] For inverse filtering, Iterative Adaptive Inverse Filtering (IAIF) algorithm with Discrete All-Pole (DAP) model for vocal tract is used. [2] This paper proposes an improved Iterative Adaptive Inverse Filtering (IAIF) method based on a Glottal Flow Model, which we call GFM-IAIF. [3]음성 신호의 성문 흐름 도함수는 반복적 적응 역 필터링 방법을 통해 획득됩니다. [1] 역 필터링의 경우 성대용 DAP(Discrete All-Pole) 모델과 함께 IAIF(Iterative Adaptive Inverse Filtering) 알고리즘이 사용됩니다. [2] 본 논문에서는 GFM-IAIF라고 하는 성문 흐름 모델에 기반한 개선된 IAIF(Iterative Adaptive Inverse Filtering) 방법을 제안합니다. [3]
iterative adaptive beamforming
A new iterative adaptive beamforming (ABF) algorithm based on conventional beamformers is proposed in order not only to steer the main lobe toward the desired signal and place radiation pattern nulls toward respective interference signals but also to achieve the desired sidelobe level (SLL). [1] In this study, a new non-iterative adaptive beamforming (ABF) algorithm for the signal-to-interference and noise ratio (SINR) enhancement is proposed. [2]메인 로브를 원하는 신호로 조종하고 방사 패턴 널을 각 간섭 신호에 배치할 뿐만 아니라 원하는 사이드 로브 레벨(SLL)을 달성하기 위해 기존 빔포머를 기반으로 하는 새로운 반복적 적응형 빔포밍(ABF) 알고리즘이 제안됩니다. [1] 본 연구에서는 SINR(signal-to-interference and noise ratio) 향상을 위한 새로운 비반복적 적응형 빔포밍(ABF) 알고리즘을 제안합니다. [2]
iterative adaptive thresholding
To this end, we have suggested a simultaneous block-sparse recovery technique based on the iterative adaptive thresholding scheme. [1] Iterative adaptive thresholding of histogram values is then applied to normalize the histogram, thereby making the descriptor robust to nonlinear illumination changes. [2]이를 위해 반복적 적응 임계값 기법에 기반한 동시 블록 희소 복구 기법을 제안하였다. [1] 그런 다음 히스토그램 값의 반복적 적응 임계값을 적용하여 히스토그램을 정규화함으로써 설명자를 비선형 조명 변화에 대해 강력하게 만듭니다. [2]
iterative adaptive observer
Then, an iterative adaptive observer is designed to offer the accurate estimations of the sensor faults, where the estimations in the previous iteration are applied in the current iteration to guarantee the convergence of sensor fault estimation errors. [1] The second one is an iterative adaptive observer, where the iterative mean estimations can approximate to the states, actuator efficiency factors, additive actuator and sensor faults simultaneously. [2]그런 다음, 반복적 적응 관찰자는 센서 결함의 정확한 추정을 제공하도록 설계되었으며, 여기서 이전 반복의 추정은 센서 결함 추정 오류의 수렴을 보장하기 위해 현재 반복에 적용됩니다. [1] 두 번째는 반복적 적응 관찰기이며, 여기서 반복 평균 추정은 상태, 액추에이터 효율 계수, 추가 액추에이터 및 센서 결함에 동시에 근사할 수 있습니다. [2]
iterative adaptive filtering 반복 적응 필터링
Attitude estimates derived from the initialization and iterative adaptive filtering processes are compared with the orientation obtained from a high-end reference system. [1] In this article, a 2-D joint iterative adaptive filtering (2-D JIAF) method is proposed, by adopting the reiterative minimum mean square error (RMMSE) criterion to the outputs of a 2-D matched filter. [2]초기화 및 반복적 적응 필터링 프로세스에서 파생된 태도 추정값은 고급 참조 시스템에서 얻은 방향과 비교됩니다. [1] 이 기사에서는 2차원 정합 필터의 출력에 반복 최소 평균 제곱 오차(RMMSE) 기준을 채택하여 2차원 결합 적응 필터링(2D JIAF) 방법을 제안합니다. [2]