Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Next Page]
  • [Previous Page]
  • [Fullscreen view]
  • [Close]
 
طراحی شکل موج مناسب برای رادارهای MIMO
شادی، کمال Shadi, Kamal

Cataloging brief

تحلیل اتصالات کارکردی مغز توسط سیگنال های الکتروانسفالوگرافی برای طبقه بندی حالت های مغز
پدیدآور اصلی :   قدسی، سعید Ghodsi, Saeed
ناشر :   صنعتی شریف
سال انتشار  :   1397
موضوع ها :   یادگیری ماشینی Machine Learning ارتباط عملکردی Functional Connectivity تشخیص تشنج...
شماره راهنما :   ‭05-51020

Find in content

sort by

Bookmark

  • فصل 1: فصل 1 (10)
  • مقدمه‌اي بر رادار (10)
  • فصل 2: فصل 2 (13)
  • مروري بر مفاهیم پايه و بیان مسئله (13)
    • 2-1- مفاهيم اوليه رادار (13)
      • شکل (2-1) پارامترهای سرعت وفاصلهی هدف (13)
        • (2-1) = Δ 2 (13)
        • (2-2) = 2 λ (14)
        • (2-3) = (15)
      • شکل (2-2) هدف با RCS پایین (16)
    • 2-2- انواع رادار (16)
      • شکل (2-3) رادار Monostatic (17)
      • شکل (2-4) رادار bistatic (17)
      • شکل (2-5) رادارهاي Multi - static (18)
      • شکل (2-6) رادارهاي MIMO (19)
    • 2-3- دستهبندي رادارهای MIMO (20)
      • 2-3-1- حوزه فضا (20)
        • شکل (2-7) تغییرات RCS هدف[2] (21)
      • 2-3-2- حوزه پهنای باند (22)
        • (2-4) ≪ (22)
    • 2-4- اهميت بهينهسازي شکل موج در رادارهاي MIMO (22)
      • شکل (2-8) پرتوتوان با تمرکز بالا (23)
    • 2-5- مدل پرتو توان در رادارهای MIMO باریکباند (24)
      • شکل (2-9) ارایه آنتن خطی[7] (25)
        • (2-5) =<| | 2 > (25)
        • (2-6) ≫ 2 2 (25)
        • (2-7) ,,, = 1 4 − 2 . (26)
        • (2-8) , ,, =<| ,,, | 2 > = 1 4 2 (26)
        • (2-9) 2 () , ,, = (26)
        • (2-10) ,,, = =1 ,,, = =1 1 4 − 2 sin⁡() (26)
        • (2-11) ,, = 1 4 2 =1 =1 < ∗ > 2 ( − z k )sin⁡() (26)
        • (2-12) =[1 sin⁡() 2sin⁡() … (−1)sin⁡() ] (26)
        • (2-13) = 1 4 (27)
    • 2-6- مدل شکل موج دامنه-ثابت (27)
      • (2-14) n l =α l=1,⋯,L α= R nn 1 2 (29)
      • (2-15) ( )= n l 2 1 =1 n l 2 (29)
      • (2-16) 1 =1 n l 2 =, (30)
      • (2-17) 1 =1 n l 2 = n l 2 ≤γ( ) l=1,⋯,L (30)
      • (2-18) = 1 =1 − −1 , =1,⋯, (30)
      • (2-19) = () =1,⋯,; =1,⋯, (30)
  • فصل 3: فصل 3 (32)
  • مروری بر روشهای شکلدهی پرتو توان (32)
    • 3-1- روشهای طراحی ماتریس همبستگی‌ شکلموج (32)
      • 3-1-1- روش فاهرمن برای کمینه مربعات خطا (32)
        • (3-1) = = 1≤,≤ (32)
        • (3-2) = (32)
        • (3-3) i 2 =1 i=1,⋯,M (33)
        • (3-4) = 1 4 = 1 4 || || 2 (33)
        • (3-5) = [ 0.5 −| | ] 2 (33)
        • شکل (3-1) روش فاهرمن در تکرارهای مختلف (34)
      • 3-1-2- روشهای محدب تطبیق پرتو توان (34)
        • (3-6) =1 ∗ θ k θ k =() (34)
        • (3-7) = =1 θ k ∗ θ k (34)
        • (3-8) ≥ >0 ∈[1,] (35)
        • (3-9) ≥0 (35)
        • (3-10) = ∗ (35)
        • (3-11) min , { 1 =1 [ μ l − ∗ μ l μ l ] 2 + 2 w c K 2 −K k=1 K−1 p=k+1 K | ∗ | 2 (36)
        • (3-12) ≥0 (37)
    • 3-2- روشهای سنتز شکلموج برای ساخت ماتریس همبستگی (38)
      • 3-2-1- روش سنتز کمینه مربعات خطا (38)
        • (3-13) = (38)
        • (3-14) 1 L H = 1 2 H (38)
        • (3-15) min ||− 1 2 || 2 ∈ × ;∈ × (38)
        • (3-16) = =+1 ∗ − = ∗ () (39)
        • (3-17) m=1 n=1 p=−P+1,p≠0 −1 r mn p =small (39)
        • (3-18) ∗ = 1 (1) ⋯ 1 () ⋯ 0 ⋱ ⋱ ⋮ 1 (1) 1 () ⋮ (1) ⋯ () ⋯ 0 ⋱ ⋱ (1) () +−1 (39)
        • (3-19) | ∗ − | 2 ="" (39)
        • (3-20) min || − 1 2 || 2 (40)
          • جدول (3-1) الگوریتم سنتز کمینه مربعات خطا (40)
        • (3-21) || − 1 2 || 2 =−2{ ∗ ) (40)
        • (3-22) 1 2 ∗ = ∗ (41)
        • (3-23) = ∗ (41)
        • شکل (3-2) پرتوتوان شکلموجهای طراحی شده با روش کمینه مربعات خطا[10] (42)
        • شکل (3-3) تابع خودهمبستگی شکلموجهای طراحی شده با روش کمینه مربعات خطا(بدون در نظر گرفتن تاخیر زمانی)[10] (43)
        • شکل (3-4) تابع خودهمبستگی شکلموجهای طراحی شده با روش کمینه مربعات خطا(با در نظر گرفتن تاخیر زمانی)[10] (43)
      • 3-2-2- سنتز پارامتری با شکل موجهای Dirichlet (43)
        • (3-24) = 2(−1) (−1) (44)
        • (3-25) = −1 (44)
        • (3-26) , = − sin − (44)
        • شکل (3-5) پرتو توان شکلموجهای Dirichlet برحسب پارامتر (45)
      • 3-2-3- روش CAN برای شکل موجهای عمود (45)
        • (3-27) =| 0 − | 2 −2 =1 = | | 2 (45)
        • (3-28) 1 2L l=1 2L | − | ; = ;=1, ⋯, 2 (45)
        • (3-29) = =−+1 −1 − (46)
        • (3-30) = () (46)
        • (3-31) = = () − ; = 1 ⋮ (46)
          • جدول (3-2) الگوریتم CAN (47)
        • شکل (3-6) مقایسه سطح بیشینهSLL در الگوریتم CAN و هادامارد (47)
      • 3-2-4- روش نگاشت مستقیم متغیرهای گوسی DGRVM (48)
        • شکل (3-7) سنتز شکلموج با نگاشت مستقیم متغیرهای گوسی (48)
          • (3-32) = ∗ = ∗ ( , , ) (49)
          • (3-33) = =0 ∞ 2 2 ! | −∞ +∞ 2 | 2 (49)
          • (3-34) = −1 2 2 − 2 2 (49)
          • (3-35) = ln⁡( ) 2 +1 (49)
          • (3-36) >0 (50)
          • (3-37) =( ) (50)
          • (3-38) , =sin⁡( 2 ) (50)
        • شکل (3-8) رابطه‌ي ضريب همبستگي متغیرهای گوسی و شکلموجهای دامنه-ثابت (50)
    • 3-3- روش های ترکیبی‌ (51)
      • 3-3-1- روش کدکلمهی بهینهی L.B.Hu (51)
        • (3-39) =10 10 { | | 2 | | 2 } (51)
        • (3-40) () (51)
        • (3-41) = =1 () (52)
        • (3-42) =1 (52)
        • (3-43) . : =1 (52)
        • (3-44) 0 = 1 ‖ ‖ (52)
        • (3-45) ≤1 (52)
        • (3-46) . : >0 (53)
        • (3-47) =[ 1 ,⋯, 1 1 ,⋯, ,⋯, ] (53)
        • شکل (3-9) رابطهی بیشینه سطح لوب کناری و بهره توان در هدف (53)
  • فصل 4: فصل 4 (55)
  • روش پیشنهادی طراحی‌ ماتریس همبستگی‌ به منظور شکلدهی‌ پرتوتوان (55)
    • 4-1- مقدمه (55)
    • 4-2- قضایای بنیادی (56)
      • (4-1) 1 ≥ 2 ≥… ≥ (56)
      • (4-2) = max : =1 ⫠{ 1 , 2 ,⋯, −1 } (56)
      • (4-3) ′ ′ =0 (57)
      • (4-4) =0 −1 ( sin ′ − sin ′ ) = 1− ( sin ′ − sin ′ ) 1− ( sin ′ − sin ) (57)
      • (4-5) sin ′ − sin ′ =2 (∈,∈(−,), ≠0 ) (58)
      • (4-6) = ; = −1 2 =− −1 2 ,− −1 2 +1,⋯, −1 2 (58)
    • 4-3- مجموعه نمونههای فضایی متعامد OSS (58)
      • (4-7) = [ 1 ′ 2 ′ ⋯ ′ ] (58)
      • (4-8) = Where =( 1 , 2 ,⋯, ) (59)
      • (4-9) ′ = ′ ′ = (59)
      • (4-10) = 1 1 ′ ∗ 1 ′ +⋯+ ′ ∗ ′ (59)
      • (4-11) () = ∗ () + ∗ () (59)
      • (4-12) = cos 0 sin 2 2 sin ⋮ −1 −1 sin (60)
      • (4-13) () | = ′ = ( ∗ ′ ′ + ∗ ( ′ )( ′ ))=0 (60)
      • (4-14) ( ′ )= 1 ′ (60)
      • (4-15) ′ = max ( +1 ′ − ′ ) (60)
      • (4-16) ′ = −1 2− 1 ′ (∈ ,∈[− 1− sin 1 ′ 2 , 1+ sin 1 ′ 2 ) (61)
      • (4-17) ′ = min +1 ′ − ′ = min ( −1 +2 − −1 ( )) (61)
      • (4-18) 2− 1 ′ =−1 (61)
      • (4-19) 1 ′ = −1 2+1 ∈ و ∈[− +1 2 , −1 2 ] (61)
      • (4-20) ∗ = = −1 2+1 =− +1 2 ,− −1 2 +1,⋯, −3 2 } (62)
      • (4-21) min ′ ′ = ∗ (62)
      • (4-22) ∗ = = −1 2+2− , =0,1,⋯,−1 } (62)
      • (4-23) ∗ = ∗ باشد فرد اگر ∗ = باشد زوج اگر (62)
      • (4-24) = −1 2 (62)
      • شکل (4-1) مقدار بهره رزلوشن حریصانه مجموعه OG-OSS را نسبت BS-OSS (63)
      • شکل (4-2) نمونه‌هاي فضايي را براي تعداد آنتن‌هاي متفاوت روي دو مجموعه‌ي BS-OSS و OG-OSS (64)
    • 4-4- الگوریتمEVD برای طراحی‌ ماتریس همبستگی‌ شکلموج (64)
      • (4-25) = (65)
      • (4-26) = =1 (66)
      • (4-27) ′ ′ =0 (66)
    • 4-5- اصلاح ماتریس همبستگی‌ شکل موج با روش BDOS (67)
      • 4-5-1- تجزیه روی مجموعهی OSS : (68)
        • (4-28) = ∗ (68)
        • (4-29) (68)
        • (4-30) = 1 1 ′ ,+ 2 2 ′ ,+⋯+ ′ 1≤≤ (68)
        • (4-31) = (69)
        • (4-32) = , ,⋯ (69)
        • (4-33) = ∗ ; [] = =1 ∗ (69)
      • 4-5-2- الگوریتم BDOS برای ایجاد نول: (69)
        • (4-34) = =1 =1 ( ) ∗ (70)
        • (4-35) 1 = ∗ ( 1 ) 1 = 11 (70)
          • جدول (4-1) الگوریتم BDOS برای ایجاد نول (70)
      • 4-5-3- شیفت قله (دره) در پرتو توان با استفاده از الگوریتم BDOS : (71)
        • (4-36) ′ = 11 1 ( 1 ) ∗ + =2 =2 ( ) ∗ (71)
        • (4-37) () | = 1 =0 (71)
          • جدول (4-2) الگوریتم BDOS برای شیفت (72)
      • 4-5-4- ناهمبسته کردن اهداف (72)
        • (4-38) ∗ 1 2 =0 (72)
        • (4-39) 12 = 21 =0 (72)
          • جدول (4-3) الگوریتم BDOS برای ناهمبسته کردن (73)
  • فصل 5: فصل ۵ (74)
  • روش پیشنهادی سنتز شکلموج به منظور تحقق ماتریس همبستگی‌ (74)
    • 5-1- مقدمه (74)
      • شکل (5-1) سیستم پیشنهادی سنتز شکلموج به صورت آماری (75)
        • (5-1) = 2 +∞ exp − 2 (75)
        • (5-2) =12 −∞ +∞ ( , ; ) −3 (75)
        • (5-3) ( , ; )= 1 2 1− 2 exp⁡(− 1 2 1− 2 2 + 2 −2 ) (76)
        • (5-4) =2sin⁡( 6 ) (76)
        • (5-5) 1 , 2 = ( −1 1 , −1 2 ) ( −1 1 )( −1 2 ) (76)
        • (5-6) = 1 2 −∞ − 2 2 (76)
        • (5-7) , = ∗ = 0 1 2( 1 ) −2( 2 ) 1 , 2 1 2 (76)
    • 5-2- کاپولا (77)
      • (5-8) ( , )=( , ) (77)
    • 5-3- روش غیرمستقیم کاپولاي درجه دو (IC-quadratic) (78)
      • 5-3-1- سناریو الفبا نامحدود (78)
        • (5-9) , = + (1− ) (78)
        • شکل (5-2) ناحیه مجاز برای در کاپولا درجه دو (79)
          • (5-10) = min ,1− −1≤≤1 (79)
          • (5-11) , = 2 , = 1+ 1−2 ≤ 1 2 1+ 2 −1 > 1 2 (79)
          • (5-12) =12 − 1 4 = 2 (79)
          • (5-13) = 0 1 ( , ) = 2 2 (80)
          • (5-14) , ≤ 2 2 ≠ (80)
            • جدول (5-1) الگوريتم IC-quadratic براي سنتز شكل‏موج‌هاي دامنه-ثابت (81)
      • 5-3-2- شکل موجهای BPSK (81)
        • (5-15) ∗ = 2 −1≤≤1 (81)
          • جدول (5-2) روش IC-quadratic براي سنتز شكل‏موج هاي BPSK (82)
    • 5-4- روش سنتز مستقيم شكل‏موج با كاپولاي FGM (DC-FGM) (82)
      • 5-4-1- سناریو الفباي نامحدود (82)
        • (5-16) 1 , 2 ,…, = 1 2 … 1 , 2 ,…, (82)
        • (5-17) 1 , 2 ,…, =1+ 1≤ 1 < 2 ≤ 1 2 1− 1 (1− 2 ) (83)
        • (5-18) 1 , 2 ,…, = 2 1 ,2 2 ,…,2 (83)
        • (5-19) 1+ 1≤ 1 < 2 ≤ 1 2 ≥0 (83)
        • (5-20) , = 2 −2 = 2 (83)
          • جدول (5-3) روش DC-FGM براي سنتز شكل‏موج‌هاي دامنه-ثابت (84)
      • 5-4-2- شکل موجهای BPSK (85)
        • (5-21) ∗ = 4 (85)
          • جدول (5-4) روش DC-FGM براي شكل‏موج BPSK (85)
    • 5-5- روش مستقيم كاپولاي گوسي (85)
      • 5-5-1- سناریو الفبا نامحدود (85)
        • (5-22) 1 , 2 = ( −1 1 , −1 2 ) ( −1 1 )( −1 2 ) (86)
        • (5-23) = ∗ =( 2( ) −2( ) ) (86)
        • شکل (5-3) رابطه ضریب همبستگی‌ متغیرهای گوسی و شکلموجهای دامنه-ثابت (87)
          • (5-24) = min 5.456 5 −15.55 4 +17 .38 3 −10.17 2 +3.898,1 . (87)
            • جدول (5-5) روش DC-Gausian براي سنتز شكلموج‌هاي دامنه-ثابت (88)
      • 5-5-2- شکل موجهای BPSK (88)
        • شکل (5-4) رابطه ضریب همبستگی‌ متغیرهای گوسی و شکلموجهای BPSK (88)
          • (5-25) =0.058 5 −0.6015 3 −0.035 2 +1.579 (89)
          • (5-26) = ( ) (89)
            • جدول (5-6) روش DC-Gausian براي سنتز شكلموج‌هاي BPSK (89)
  • فصل 6: فصل ۶ (90)
  • نتایج عددی (90)
    • 6-1- مقدمه (90)
    • 6-2- طراحی ماتریس همبستگی برای شکلدهی پرتو توان (90)
      • 6-2-1- روش EVD برای شکلدهی پرتوی توان (90)
        • شکل (6-1) پرتوتوانهای طراحی‌ شده توسط روشهای مختلف (91)
        • شکل (6-2) انحراف قله در روش EVD (92)
        • شکل (6-3) پرتوتوان متقابل برای نمایش میزان ناهمبستگی اهداف (93)
      • 6-2-2- روش BDOS برای اصلاح پرتو توان (94)
        • شکل (6-4) ایجاد نول با روش BDOS (94)
        • شکل (6-5) شیفت قله با روش BDOS (95)
        • شکل (6-6) اصلاح انحراف قله در روشEVD توسط الگوریتم BDOS (96)
        • شکل (6-7) پرتوتوان قبل و بعد از اعمال الگوریتمBDOS برای ناهمبسته کردن اهداف (97)
        • شکل (6-8) ناهمبستگی اهداف قبل و بعد از الگوریتم اصلاحی BDOS (98)
    • 6-3- سنتز شکل موج برای تحقق ماتریس همبستگی (98)
      • (6-1) 2 = − 2 2 | − ∗ () () | 2 cos⁡() (98)
      • (6-2) =( | − | 2 +2 =1 −1 | | 2 )/ 2 (99)
      • (6-3) 1 2 = =+1 1 2 ∗ − (99)
      • (6-4) = 11 () ⋯ 1 () ⋮ ⋱ ⋮ 1 () ⋯ () (99)
      • (6-5) 2 − 2 2 cos =1 (100)
      • (6-6) || +1 − || 2 ≤0.1 (100)
      • شکل (6-9) خطاي فضايي وزن‌دهي شده‌ي، تحقق پرتو توان برای سیگنالینگ متعامد (100)
        • جدول (6-1) زمان اجرای الگوریتمهای سنتز شکل موجهای متعامد(ms) (112)
      • شکل (6-10) norm برای سیگنالینگ متعامد (113)
      • شکل (6-11) SLL روش های گوناگون سنتز شکل موج متعامد (114)
        • (6-7) = × / (114)
      • شکل (6-12) تابع خودهمبستگی‌ روشهای گوناگون سنتز شکل موج همدوس (115)
      • شکل (6-13) تابع همبستگی متقابل‌ روشهای گوناگون سنتز شکل موج همدوس (116)
        • (6-8) [, +2 ) (116)
        • (6-9) > 0.9 0 → 2 >47 (117)
        • (6-10) = 1 . (117)
      • شکل (6-14) چگالي فاز شكل‏موج‌ها در روش DGRVM (117)
        • (6-11) = 1 2 1 2 1 (118)
      • شکل (6-15) پرتوتوان در مدل اتورگرسیو (118)
      • شکل (6-16) خطاي فضايي وزن‌دهي شده‌ي، تحقق پرتو توان برای روش DC-FGM (119)
      • شکل (6-17) خطاي فضايي وزن‌دهي شده‌ي، تحقق پرتو توان برای روش IC-quadratic (120)
        • جدول (6-2) محدوده برای سنتز شکل موج در مدل اوتورگرسیو (121)
      • شکل (6-18) خطاي فضايي وزن‌دهي شده‌ي، تحقق پرتو توان برای سیگنالینگ همبسته (121)
      • شکل (6-19) SLL تابع خودهمبستگی در سیگنالینگ BPSK متعامد
      • شکل (6-20) SLL تابع همبستگی متقابل در سیگنالینگ BPSK متعامد
      • شکل (6-21) خطاي فضايي وزن‌دهي شده‌ي، تحقق پرتو توان برای سیگنالینگ همبستهBPSK
    • 6-4- روش های وفقی در رادارهای MIMO
      • شکل (6-22) بلوک دیاگرام رادارهایMIMO از ديد روش‌هاي وقفي
      • شکل (6-23) عملکرد الگوریتمهای وفقی در رادارهای MIMO
  • فصل 7: فصل ۷
  • نتیجه گیری و کارهای آتی
    • جدول (7-1) روشهای پیشنهادی سنتز شکلموج
  • References
  • [1] E. Fishler, et al., "MIMO radar: an idea whose time has come," in Radar Conference, 2004. Proceedings of the IEEE, 2004, pp. 71-78.
  • [2] A. M. Haimovich, et al., "MIMO Radar with Widely Separated Antennas," Signal Processing Magazine, IEEE, vol. 25, pp. 116-129, 2008.
  • [3] T.Naghibi, "Optimal MIMO Radars Waveform Design," M.S, Electrical and Electronic Engineering, Sharif University of Technology, Tehran, 2008.
  • [4] T. Naghibi and F. Behnia, "Convex optimization and MIMO RADAR waveform design in the presence of clutter," in Signals, Circuits and Systems, 2008. SCS 2008. 2nd International Conference on, 2008, pp. 1-6.
  • [5] N. H. Lehmann, et al., "High Resolution Capabilities of MIMO Radar," in Signals, Systems and Computers, 2006. ACSSC '06. Fortieth Asilomar Conference on, 2006, pp. 25-30.
  • [6] K. W. Forsythe and D. W. Bliss, "MIMO Radar Waveform Constraints for GMTI," Selected Topics in Signal Processing, IEEE Journal of, vol. 4, pp. 21-32, 2010.
  • [7] D. R. Fuhrmann and G. San Antonio, "Transmit beamforming for MIMO radar systems using partial signal correlation," in Signals, Systems and Computers, 2004. Conference Record of the Thirty-Eighth Asilomar Conference on, 2004, pp. 295-299 Vol.1.
  • [8] L. Jian, et al., "MIMO radar waveform synthesis," in Radar Conference, 2008. RADAR '08. IEEE, 2008, pp. 1-6.
  • [9] D. R. Fuhrmann and G. San Antonio, "Transmit beamforming for MIMO radar systems using signal cross-correlation," Aerospace and Electronic Systems, IEEE Transactions on, vol. 44, pp. 171-186, 2008.
  • [10] P. Stoica, et al., "On Probing Signal Design For MIMO Radar," Signal Processing, IEEE Transactions on, vol. 55, pp. 4151-4161, 2007.
  • [11] J. Sturm, "Using sedumi 1.02, a matlab toolbox for optimization over symmetric cones," Optimiz. Meth. Softw., vol. 11–12, pp. 625–653, 1999.
  • [12] D. R. Fuhrmann, et al., "Constant-modulus partially correlated signal design for uniform linear and rectangular MIMO radar arrays," in Waveform Diversity and Design Conference, 2009 International, 2009, pp. 197-201.
  • [13] C. M. Teixeira, "Performance bounds on MIMO radar with optimized coded constant modulus waveforms," in Radar Conference, 2010 IEEE, 2010, pp. 304-309.
  • [14] H. Hao, et al., "Designing Unimodular Sequence Sets With Good Correlations—Including an Application to MIMO Radar," Signal Processing, IEEE Transactions on, vol. 57, pp. 4391-4405, 2009.
  • [15] S. Ahmed, et al., "Finite Alphabet Constant-Envelope Waveform Design for MIMO Radar," Signal Processing, IEEE Transactions on, vol. 59, pp. 5326-5337, 2011.
  • [16] R. J. A. T. a. K. D. Ward, "The correlation properties of gamma and other non-Gaussian processes generated by memoryless nonlinear transformation,," Physics D: Applied Physics, 1999.
  • [17] L. B. Hu, et al., "Convex optimization applied to transmit beampattern synthesis and signal waveform design for MIMO radar," in Radar Conference, 2009 IET International, 2009, pp. 1-5.
  • [18] M. G. a. S. Boyd, "{CVX}: Matlab Software for Disciplined Convex Programming, version 1.21," 2011.
  • [19] R. Horn, Matrix Analysis, 1990.
  • [20] X. Luzhou, et al., "Adaptive Techniques for MIMO Radar," in Sensor Array and Multichannel Processing, 2006. Fourth IEEE Workshop on, 2006, pp. 258-262.
  • [21] "The correlation properties of gamma and other non-Gaussian processes generated by memoryless nonlinear transformation,."
  • [22] M. Armstrong, "Sequential nongaussian simulations using the FGM Copula," Cerna Working Paper, 2002.
  • [23] D. W. Bliss, et al., "MIMO Radar: Joint Array And Waveform Optimization," in Signals, Systems and Computers, 2007. ACSSC 2007. Conference Record of the Forty-First Asilomar Conference on, 2007, pp. 207-211.
  • [24] G. San Antonio, et al., "MIMO Radar Ambiguity Functions," Selected Topics in Signal Processing, IEEE Journal of, vol. 1, pp. 167-177, 2007.
  • [25] C. Chun-Yang and P. P. Vaidyanathan, "Joint MIMO radar waveform and receiving filter optimization," in Acoustics, Speech and Signal Processing, 2009. ICASSP 2009. IEEE International Conference on, 2009, pp. 2073-2076.
Loading...