MétaCan
Menu
Retour à la cohorte
Enregistrement W1852568195 · doi:10.1029/2011rs004944

Ionospheric and auroral clutter models for HF surface wave and over‐the‐horizon radar systems

2012· article· en· W1852568195 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRadio Science · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensDefence Research and Development CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésClutterRadarRadar horizonOver-the-horizon radarRemote sensingSkywaveGeologyContinuous-wave radarIonospherePulse-Doppler radarBistatic radarRadar imagingComputer scienceGeophysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The detection performance of high frequency surface wave radar (HFSWR) and high frequency over‐the‐horizon radar (OTHR) systems is heavily influenced by the presence of radar clutter. In HFSWR systems, the clutter has its origins in vertical‐incidence ionospheric reflections, whereas in OTHR systems, the origin is Bragg backscatter from plasma structures in the auroral zone. This paper models the spreading of the radar clutter signal in the Doppler and angle‐of‐arrival domains that arises from forward‐scattering effects as the radar pulse propagates through regions of ionospheric plasma irregularities. The models use a geometric optics approach to determine the power spectrum of the radar signal phase. This power spectrum is then used to simulate three‐dimensional space‐time‐range radar data cubes. The accuracy of the models is tested by comparing the simulated data to measured data cubes. As an application, the data are then used to evaluate the performance of the newly developed fast fully adaptive (FFA) space‐time adaptive processing (STAP) scheme to improve the extraction of target echoes from a clutter background.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,543
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,218
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle