• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on green communications and networks >Study on Gaussian Priory Model for Space Time Adaptive Processing
【24h】

Study on Gaussian Priory Model for Space Time Adaptive Processing

机译：时空自适应处理的高斯优先模型研究

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Exile of Bayesians approach from mathematical statistics hampered development of stable theory of CFAR and STAP. Many heuristic corrections appeared therefore to various aspects of these theories. But, it seems better to begin creating the generalized Bayesians theory, following which one can obtain the processing algorithms in fast varying conditions without corrections. A priory statistical model of TI was reasoned with this purpose as the Pareto-Gaussian (PG) process belonging to SIRP ones. Preference of PG process consists of its simplicity and compatibility with CFAR -STAP problems. The PG model allows accounting for: (1) (Quasi Gaussian TI of highest entropy (η = 0); (2) essentially non Gaussian TI (η＜ - 1/2).
机译：数理统计方法的贝叶斯方法的流放阻碍了CFAR和STAP稳定理论的发展。因此，对这些理论的各个方面出现了许多启发式修正。但是，开始创建广义贝叶斯理论似乎更好，此后人们可以在快速变化的条件下获得处理算法而无需进行校正。为此，将TI的先验统计模型推论为属于SIRP的Pareto-Gaussian（PG）过程。 PG过程的优先选择是它的简单性以及与CFAR -STAP问题的兼容性。 PG模型可以考虑以下因素：（1）（最高熵（η= 0）的拟高斯TI;（2）本质上是非高斯TI（η＜-1/2）。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号