Key points are not available for this paper at this time.
본 논문에서는 레이다 센서 네트워크(RSN)에서 일정 주파수(CF) 펄스 파형 디자인과 다양성에 관한 이론적 연구를 수행한다: (1) 파형 공존 조건, (2) RSN 내 파형 간 간섭, (3) RSN에서의 파형 다양성 결합. 응용 사례로, 우리는 RSN의 자동 목표 인식(ATR)에 파형 디자인과 다양성을 적용하고, 비변동 목표 및 변동 목표에 대해 최대 우도(ML)-ATR 알고리즘을 제안한다. 시뮬레이션 결과는 우리의 파형 다양성 기반 ML-ATR 알고리즘이 비변동 목표 또는 변동 목표에 대해 단일 파형 ML-ATR 알고리즘보다 훨씬 더 우수하게 수행함을 보여준다. 우리는 분석 및 시뮬레이션을 바탕으로 결론을 도출한다.
Qilian Liang(선생님)은 이 문제를 연구하였다.