دانلود کتاب Space-time adaptive processing for radar
دسته: تجهیزات هوافضا
کتاب پردازش تطبیقی فضا-زمان برای رادار نسخه زبان اصلی
دانلود کتاب پردازش تطبیقی فضا-زمان برای رادار بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Space-time adaptive processing for radar
نام کتاب : Space-time adaptive processing for radar
عنوان ترجمه شده به فارسی : پردازش تطبیقی فضا-زمان برای رادار
سری : Artech House radar library
نویسندگان : J. R. Guerci
ناشر : Artech House
سال نشر : 2003
تعداد صفحات : 203
ISBN (شابک) : 1580533779 , 9781580536998
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب که برای مهندسین آشنا با رادار، الکترومغناطیسی و پردازش سیگنال نوشته شده است، مدل‌های فضا-زمان مرتبه اول اولیه را برای شلوغی و پارازیت ایجاد می‌کند، جزئیات مهم درجه دوم و اثرات بالاتر را ارائه می‌کند و الگوریتم‌های مدرن پردازش تطبیقی فضا-زمان (STAP) را معرفی می‌کند. Guerci (آژانس پروژه‌های تحقیقاتی پیشرفته دفاعی) نمونه‌های طراحی را ارائه می‌دهد که روش‌هایی را نشان می‌دهد که در آن روش‌های مختلف STAP با رتبه کاهش‌یافته را می‌توان ترکیب کرد تا عملکرد خوبی سیگنال به تداخل به علاوه نسبت نویز (SINR) به دست آورد، اما با کاهش پشتیبانی نمونه و الزامات محاسباتی، و معماری های محاسباتی فاکتورسازی QR را به یک ماتریس کوواریانس مخروطی گسترش می دهد.
توضیحاتی در مورد کتاب به زبان اصلی :
Written for engineers familiar with radar, electromagnetics and signal processing, this book establishes basic first order space-time models for clutter and jamming, details important second order and higher effects, and introduces modern space-time adaptive processing (STAP) algorithms. Guerci (Defense Advanced Research Projects Agency) presents design examples that illustrate ways in which various reduced rank STAP methods can be combined to yield good signal-to- interference plus noise ratio (SINR) performance, but with reduced sample support and computational requirements, and extends QR factorization computing architectures to a covariance matrix taper.
پست ها تصادفی