Advanced Sparsity-Driven Models and Methods for Radar Applications
Niniejsza książka przedstawia zaawansowane modele i metody oparte na rzadkości oraz ich zastosowania w zadaniach radarowych, takich jak wykrywanie, obrazowanie i klasyfikacja. Compressed Sensing (CS) jest jednym z najbardziej aktywnych tematów w dziedzinie przetwarzania sygnałów. Wykorzystując i promując rzadkość sygnałów będących przedmiotem zainteresowania, CS oferuje nowe ramy do redukcji danych bez uszczerbku dla wydajności odzyskiwania sygnału lub do zwiększenia rozdzielczości bez zwiększania pomiarów.
Rozdział wprowadzający przedstawia podstawy rzadkiego odzyskiwania sygnału. Następnie systematycznie i kompleksowo omówiono następujące tematy: hybrydowe chciwe algorytmy pościgowe w celu poprawy jakości obrazowania radarowego; dwupoziomowy blokowy model rzadkości dla wielokanałowych sygnałów radarowych; parametryczna reprezentacja rzadka dla obrazowania radarowego z niepewnością modelu; próbkowanie dysku Poissona dla obrazowania SAR o wysokiej rozdzielczości i szerokim spektrum; gdy zaawansowane modele rzadkie spotykają się z grubo skwantowanymi danymi radarowymi; analiza mikro-Dopplera z uwzględnieniem rzadkości do klasyfikacji celów radarowych; oraz rozproszone wykrywanie sygnałów rzadkich w sieciach radarowych za pomocą lokalnie najsilniejszego testu. Wreszcie, rozdział końcowy podsumowuje kluczowe punkty z poprzednich rozdziałów i oferuje zwięzłe perspektywy.
Książka koncentruje się na tym, jak zastosować modele i algorytmy oparte na CS do rozwiązywania praktycznych problemów w radarach, dla społeczności badawczych zajmujących się radarami i przetwarzaniem sygnałów.
