塑造先验
Sculpting priors
AI总结：
本文研究在杂乱背景中检测已知频谱特征但强度未知的目标，提出通过塑造贝叶斯先验以一致优于广泛使用的GLRT方法。
摘要：
研究了贝叶斯先验，用于在杂乱背景中检测具有已知频谱特征（但强度未知）的目标。一个具体问题是构造（或“塑造”）一种贝叶斯先验，使其一致优于其非贝叶斯对应方法，即名义上次优但广泛使用的广义似然比检验（GLRT）。
英文摘要：
Bayesian priors are investigated for detecting targets of known spectral signature (but unknown strength) in cluttered backgrounds. A specific problem is the construction (or ``sculpting'') of a Bayesian prior that uniformly outperforms its non-Bayesian counterpart, the nominally sub-optimal but widely used Generalized Likelihood Ratio Test (GLRT).
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
