<title>Preamplifier impulse-response shape-driven shot-noise in direct-detection photon-counting laser radars</title>
Notice bibliographique
Résumé
The number of photons returning form a target in a given time interval is well described by a negative-binomial distributed random variable. A photomultipler tube (PMT) photon-counting detector is optimal for direct detection, and the number of detected-photon 'electron pulses' produced is also negative-binomially distributed per time bin, with a reduced mean due to the device quantum efficiency. These time distributed electron pulses are amplified and filtered by the preamplifier electronics prior to digitization and signal processing. The voltage output pulse per individual photo-electron event is known as the 'impulse-response- function' of the detector and preamplifier. In this study we employ a typical analog preamplifier filter response, modeled as a Butterworth lowpass filter of order two, which filters a 200 ps wideband PMT input voltage pulse. The random summation of these lowpass voltage impulse-responses, as created by the negative-binomial photon arrival times and random photo-electron creation, is the classical electronic 'shot-noise' random process. We derive numerically the voltage probability density function of this negative- binomial/impulse-response driven shot-noise random process following the stochastic process literature. We also show a technique to include PMT variations in gain, known as the 'pulse height distribution,' and to incorporate Gaussian baseline-noise voltage. Agreement with AMOR experiments is shown to be excellent. In addition, a Monte Carlo realization is presented, using the same impulse-response temporal shape, which also gives excellent agreement with AMOR data and with the analytical/numerical calculations.
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 ».