اصلی ترین محدودیت در استفاده تابع پروفیل فاصله به عنوان ابزاری برای تشخیص اهداف راداری، حساسیت آن به زاویه منظر می باشد. معمولاً برای مدلسازی این حساسیت، نمونه های متوالی تابع پروفیل فاصله (یا ویژگیهای استخراج شده از آنها) در یک فاصله زمانی کوتاه از مانور هدف به عنوان نمونه های مستقل با توزیع یکسان در نظر گرفته می شوند. اینجا سعی شده تا با ارائه یک مدل مبتنی بر سیستم دینامیکی، به نوعی بر محدودیت های این مدل ها مانند فرض استقلال نمونه ها غلبه شود. استخراج ویژگی با دو روش ویژگیهای طیفی و ضرایب PCA انجام می گیرد. در صورت استفاده از روش اول، مدلسازی به صورت کوتاه مدت و در صورت استفاده از روش دوم مدلسازی به صورت بلندمدت انجام می گیرد. مقایسه نتایج با مدل های مرسوم در هر دو بخش روی داده های شبیه سازی برتری مدلسازی توسط سیستم دینامیکی را نشان می دهد.
آجورلو, عبداله, هادوی, مهدی, نایبی, محمد مهدی, & باستانی, محمد حسن. (1394). مدلسازی وابستگی کوتاه مدت و بلند مدت نمونه های متوالی تابع پروفیل فاصله اهداف، به منظور تشخیص اهداف راداری. رادار, 3(2), -.
MLA
عبداله آجورلو; مهدی هادوی; محمد مهدی نایبی; محمد حسن باستانی. "مدلسازی وابستگی کوتاه مدت و بلند مدت نمونه های متوالی تابع پروفیل فاصله اهداف، به منظور تشخیص اهداف راداری", رادار, 3, 2, 1394, -.
HARVARD
آجورلو, عبداله, هادوی, مهدی, نایبی, محمد مهدی, باستانی, محمد حسن. (1394). 'مدلسازی وابستگی کوتاه مدت و بلند مدت نمونه های متوالی تابع پروفیل فاصله اهداف، به منظور تشخیص اهداف راداری', رادار, 3(2), pp. -.
VANCOUVER
آجورلو, عبداله, هادوی, مهدی, نایبی, محمد مهدی, باستانی, محمد حسن. مدلسازی وابستگی کوتاه مدت و بلند مدت نمونه های متوالی تابع پروفیل فاصله اهداف، به منظور تشخیص اهداف راداری. رادار, 1394; 3(2): -.
)