Measurements and Analysis of Reverberation, Target Echo, and Clutter
Notice bibliographique
Résumé
Abstract : This project was a joint collaboration between Defence Research and Development Canada--Atlantic (DRDC Atlantic) and the Applied Research Laboratory of Pennsylvania State University (ARL/PSU) to analyze and model reverberation, target echo, and clutter data in shallow water. The primary outputs of the collaboration were manuscripts for publication in conference proceedings and refereed journals. Secondary outputs were improved models and algorithms. This report provides a summary for the full 5-year period of the grant: 2006-2011. Overall, the main accomplishments of the 5-year period were as follows: (1) submission and publication of journal articles on the Rapid Environmental Assessment reverberation methodology that had been the focus of measurement and modeling efforts over the previous decade; (2) participation in the ONR Reverberation Modeling Workshops and the development of benchmark solutions for some of the problems; (3) extension of the fast reverberation modeling approach to handle range-dependent environments and bistatic geometry; (4) development of a Clutter Model for direct comparison with towed array beam time series in a range-dependent clutter environment; (5) initial work on modeling target echo and time spreading of the target echo; (6) extension of the normal-mode reverberation modeling approach to handle sub-bottom reverberation, including range-dependent environments; and (7) design of experiments, participation in sea trials, model-data comparisons, and analysis of towed array reverberation and clutter data. The year-by-year accomplishments are listed in the Main Accomplishments section of the report.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».