Dynamic motion residuals in swath sonar data: Ironing out the creases
Notice bibliographique
Résumé
As the component sensors in swath sonar systems have improved, the focus on total system performance has turned increasingly to the remaining imperfections in the system integration. Of particular concern is. that faint but systematic across track ribbing often remains in otherwise high-quality data. Traditional field calibration procedures primarily look for the signature of static systematic error contributions. These procedures (the conventional patch test) only examine a subset of the pos sible systematic biases in the configu ration of an integrated swath sonar sys tem. Other systematic biases can cause dynamic rather than static signa tures in the resulting bathymetric data. These dynamic errors can be separat ed into those that produce errors that vary with periods in the ocean wave spectrum (most commonly referred to as the ‘wobbles’) and those whose period is dictated by the vessel's long period accelerations (turns and other course changes, obstacle avoidance and speed changes). Herein the theory behind the cause for a number of common wobble sources is examined. For the case of shallow water surveys, where the ping period is Figure 1: sun-illuminated terrain models of EM1002 bathymetric data in 30m of water. The top image shows data as originally collected with pronounced ship-track orthogonal ribbing. The bottom plot shows data after shifting the motion time series by-20ms. The peak to peak magnitude of the apparent rippling is on the order of +/-1.0-1.5 per cent (well within the required standard- IHO order 2). Data courtesy of the Geological Survey of Israel short with respect to the typical wave period, the wobble signatures can be easily discerned. The dif ferences in the signatures of each of the wobbles are highlighted allowing rapid classification and thus a means of removal of the underlying system atic bias.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».