Core Concepts
Kirchhoff Migrationは、実験的データを使用して小さな物体を迅速にイメージングするための効果的なアルゴリズムである。
Abstract
この研究は、Kirchhoff Migration(KM)を使用して実験的フレネルデータセットから小さな物体を迅速にイメージングすることを検討しています。 KMのイメージング関数とBessel関数の特性について考察し、理論的結果が確認されました。実験データとのシミュレーション結果に基づいて、KMが小さな物体を検出するための効果的なアルゴリズムであることが結論付けられました。KMは、多くのK要素が欠落している場合でも適用可能であり、一意な決定性が成立します。
Stats
72個の散乱場データから49個しか測定されず、残り23個は0に変換されたMSR行列Kが使用されます。
K要素が完全ではなくてもF(x)のマップからオブジェクトを取得できます。
F(x)はJ0(0) = 1およびJp(0) = 0(非ゼロp)で最大値に達し、オブジェクトの存在または輪郭形状を認識できます。
Quotes
"Kirchhoff Migrationは、実験データとシミュレーション結果に基づいて小さな物体を検出するための効果的なアルゴリズムです。"
"Won-Kwang Park"
"KMは多くのK要素が欠落している場合でも適用可能であり、一意な決定性が成立します。"
"Theorem 3.1"
"F(x)はJ0(0) = 1およびJp(0) = 0(非ゼロp)で最大値に達し、オブジェクトの存在または輪郭形状を認識できます。"
"Corollary 3.1"