MétaCan
Menu
Retour à la cohorte
Enregistrement W2127695678 · doi:10.1109/78.960397

Near-field/far-field azimuth and elevation angle estimation using a single vector hydrophone

2001· article· en· W2127695678 sur OpenAlexaff
Petr Tichavský, Kainam Thomas Wong, M.D. Zoltowski

Notice bibliographique

RevueIEEE Transactions on Signal Processing · 2001
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHydrophoneDirection cosineAzimuthAcousticsUnderwater acousticsUnderwaterDirection of arrivalDirection findingSIGNAL (programming language)AlgorithmComputer scienceGeologyMathematicsPhysicsOpticsTelecommunicationsGeometry

Résumé

récupéré en direct d'OpenAlex

This paper introduces a new underwater acoustic eigenstructure ESPRIT-based algorithm that yields closed-form direction-of-arrival (DOA) estimates using a single vector hydrophone. A vector hydrophone is composed of two or three spatially co-located but orthogonally oriented velocity hydrophones plus another optional co-located pressure hydrophone. This direction finding algorithm may (under most circumstances) resolve up to four uncorrelated monochromatic sources impinging from the near-field or the far-field, but it assumes that all signal frequencies are distinct. It requires no a priori knowledge of the signals' frequencies, suffers no frequency-DOA ambiguity, and pairs automatically the x-axis direction cosines with the y-axis direction cosines. It significantly outperforms an array of spatially displaced pressure hydrophones of comparable array-manifold size and computational load but may involve more complex hardware. This work also derives new Cramer-Rao bounds (CRBs) for various vector hydrophone constructions of arrival angle estimates for the incident uncorrelated sinusoidal signals corrupted by spatio-temporally correlated additive noise.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
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)0,0030,002

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 Opus0,036
Tête enseignante GPT0,270
Écart entre enseignants0,233 · 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
GenreEmpirique

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

En bref

Citations186
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Signal ProcessingMême sujetUnderwater Acoustics ResearchTravaux en français237 207