MétaCan
Menu
Retour à la cohorte
Enregistrement W1970829476 · doi:10.5589/m11-033

A new signal model for a wideband synthetic aperture imaging sensor

2011· article· en· W1970829476 sur OpenAlexvenueno aff
Guang‐Cai Sun, Mengdao Xing, Yong Wang, Yan Liu, Yu Zhang, Yirong Wu, Zheng Bao

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced SAR Imaging Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWidebandSynthetic aperture sonarSynthetic aperture radarSIGNAL (programming language)Computer scienceFocus (optics)Inverse synthetic aperture radarDisplacement (psychology)Aperture (computer memory)Computer visionArtificial intelligenceRadar imagingRadarRemote sensingElectronic engineeringAcousticsTelecommunicationsGeographyEngineeringOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

A new signal model was developed to replace the traditional one that is based on the go-stop-go assumptions (the go-stop-go model for short) for a wideband synthetic aperture imaging sensor. Using the new model, we traced the time line of the transmitted signal with a given pulse width, round trip time delay of the signal between the sensor and target, and receiving signal with a fixed pulse duration. The spatial displacement of the senor along the time line was calculated. Then, we obtained the two-dimensional spectrum of an individual target and utilized the two-dimensional joint stationary phase method to solve the spectrum. Incorporating the spectrum with available imaging algorithms, we were able to focus targets in a scene. The performance of the model was investigated by analyzing simulated wideband synthetic aperture radar and synthetic aperture sonar data. In the simulations, the imaging algorithms with the new or go-stop-go model were implemented and outputs compared. Results were very promising.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,019
Tête enseignante GPT0,217
Écart entre enseignants0,197 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetAdvanced SAR Imaging TechniquesTravaux en français237 207