Advances in sensor array processing: from theory-driven methods to data-driven inference

Tämä projekti pyrkii edistämään anturisignaalikäsittelyä yhdistämällä perinteiset mallipohjaiset menetelmät innovatiivisiin datapohjaisiin tekniikoihin. Vaikka datapohjaiset menetelmät ovat mullistaneet tietojenkäsittelyä, niiden vaikutus anturisignaalikäsittelyyn on ollut rajallista, johtuen fysikaalisten järjestelmien erityisluonteesta, joita ohjaavat fysikaaliset ja tilastolliset mallit. Projekti keskittyy signaalien tulosuunnan estimointiin käyttämällä Sparse Bayesian Learning ja suurimman uskottavuuden menetelmiä ja kehittää keilanmuodostus-tekniikoita signaalin tehon ja aaltomuodon estimointiin, mukaan lukien niiden otos ja asymptoottiset suorituskykyanalyysit. Lisäksi tutkitaan datapohjaisia generatiivisia mallinnusmenetelmiä, kuten autoenkoodereita ja GAN:eja, jotka parantavat otoskovarianssimatriisin estimaattia matalassa SNR:ssä ja rajallisilla otoskoilla. Menetelmiä testataan sovelluksissa ja tutkimusta tukevat yhteistyökumppanit Euroopan ja USA:n huippu-yliopistoista.