logo móvil
Contáctanos

La síntesis extrema de matrices dispersas a través de optimización convexa iterativa y simulación de recocido expandida de matrices

Autores: Gu, Boxuan; Jiang, Rongxin; Liu, Xuesong; Chen, Yaowu

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

La síntesis extrema de matrices dispersas a través de optimización convexa iterativa y simulación de recocido expandida de matrices


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Matriz dispersa
Síntesis
Elementos del sensor
Respuesta del patrón de haz
Optimización convexa
Recocido simulado

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 37

Citaciones: Sin citaciones


Descripción
La síntesis de matrices dispersas puede reducir considerablemente el número de elementos del sensor mientras se optimiza el rendimiento de la respuesta del patrón de haz. La dispersión de una matriz está relacionada con los grados de libertad de los elementos de la matriz. Se propone en este documento un método de matriz dispersa basado en optimización convexa iterativa y una matriz expandida mediante recocido simulado. Este método transforma el problema de la matriz dispersa en un problema de norma mínima y obtiene la matriz dispersa resolviendo el problema de optimización convexa utilizando el algoritmo primal-dual. Mientras tanto, para mejorar el grado de libertad, los elementos de la matriz se expanden utilizando perturbación estocástica. Según el algoritmo de recocido simulado, los elementos de la matriz cerrada se reabren con una probabilidad específica, que se adelgaza y expande de forma iterativa. Los resultados muestran que el método propuesto puede obtener una matriz extremadamente dispersa, que es mejor que la obtenida utilizando los métodos existentes.

Otros recursos que podrían interesarte

Temas Virtualpro