Simultaneous Velocity Ambiguity Resolution and Noise Suppression for Multifrequency Coherent Doppler Sonar
Notice bibliographique
Résumé
Abstract Coherent Doppler sonar is a useful tool for noninvasive measurement of ocean currents, sediment transport, and turbulence in coastal environments. Various methods have been proposed to separately address two of its inherent limitations: velocity ambiguity and measurement noise. However, in energetic turbulent flows, both factors may be present simultaneously. The presence of measurement noise complicates velocity ambiguity resolution, and conversely velocity ambiguity presents a challenge for existing noise suppression methods. A velocity estimator based on maximum a posteriori (MAP) estimation has been developed to resolve velocity ambiguity and suppress measurement noise simultaneously rather than separately. The estimator optimally combines measurements from multiple acoustic carrier frequencies and multiple transducers. Data fusion is achieved using a probabilistic approach, whereby measurements are combined numerically to derive a velocity likelihood function. The MAP velocity estimator is evaluated using a high-fidelity coherent Doppler sonar simulation of oscillating flow and data from a towing tank grid turbulence experiment where both velocity ambiguity and backscatter decorrelation were present. Time series and spectra from MAP velocity estimation are compared to those obtained with conventional Doppler signal processing. In addition to robustly resolving velocity ambiguity, the MAP velocity estimator is shown to reduce high-frequency noise in turbulence spectra.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».